HDFS学习指南

本篇HDFS组件基于CDH5进行安装，安装过程：https://www.cnblogs.com/dmjx/p/10037066.html

角色分布

hdp02.yxdev.wx：HDFS server
hdp03.yxdev.wx：HDFS agent
hdp04.yxdev.wx：HDFS agent

hdfs简介

hdfs是一个文件系统，用于存储文件，通过统一的命名空间——目录树来定位文件,并且是分布式的，由很多服务器联合起来实现其功能，集群中的服务器各自负责角色

重要特征

　　1. HDFS中的文件在物理上是分块存储（block），块的大小可以通过配置参数( dfs.blocksize)来规定，默认大小在hadoop2.x版本中是128M，老版本中是64M
　　2. HDFS文件系统会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data
　　3. 目录结构及文件分块信息(元数据)的管理由namenode节点承担——namenode是HDFS集群主节点，负责维护整个hdfs文件系统的目录树，以及每一个路径（文件）所对应的block块信息（block的id，及所在的datanode服务器）
　　4. 文件的各个block的存储管理由datanode节点承担---- datanode是HDFS集群从节点，每一个block都可以在多个datanode上存储多个副本（副本数量也可以通过参数设置dfs.replication）
　　5. HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改

hdfs相关概念

hdfs数据读取流程：

　　1. 业务应用调用HDFS Client提供API的打开文件
　　2. HDFS Client联系NameNode，获得文件信息（数据块、DataNode位置信息）
　　3. 业务应用调用read API读取文件
　　4. HDFS Client根据从NameNode获取到的信息，联系DataNode，获取相应为数据块。（Client采用就近原则读取数据）
　　5. HDFS Client会与多个DataNode通讯获取数据块
　　6. 读取完成后，业务调用close关闭连接

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　图（1）

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　图（2）

HDFS设计架构及设计要点说明

统一的文件系统名字空间（元数据）：hdfs对外仅呈现一个统一的文件系统
同意的通讯协议：统一采用RPC方式通信，NameNode被动接收Client，DataNode的RPC请求
空间回收机制：支持回收站机制，以及副本数的动态设置机制
数据组织：数据存储以数据块为单位，存储在操作系统的文件系统上
访问方式：提供JAVA API，HTTP，SHELL方式访问HDFS数据。

重启hdfs遇到的坑

格式化数据，最好别瞎动：hdfs namenode -format
由于我本次是使用cloudera安装，所以起停都需要再网页操作
但是重启的时候会出现未完全杀死namenode
ps aux | grep namenode
或者不小心改变了/dfs/nn/...的属组，需要改回去
当重启了namenode后，VERSION文件中的clusterID数值会跟着改变，在重启datanode的时候需要将对应的次数值进行改动（改成一样的）