[HDFS Manual] CH7 ViewFS Guide

ViewFS Guide

ViewFS Guide. 1

1 介绍... 1

2. The Old World(Prior to Federation). 1

2.1单个Namenode Clusters. 1

2.2 路径使用... 1

2.3 路径名的最佳实践... 1

3 New World – Federation and ViewFS. 1

3.1 How The Clusters Look. 1

3.2 使用ViewFs的每个cluster的Namespace. 1

3.3 路径使用... 1

3.4 路径使用最佳实践... 1

3.5 通过namespace重命名路径名... 1

3.7 FAQ.. 1

4 附录：Mount table配置例子... 1

1 介绍

View File System（ViewFS）提供一个方法来管理hadoop文件系统namespaces。对于多个namnode的集群很有用。在HDFS Federation，ViewFS和client上面的Linux的mount table 类似。ViewFS可以用来创建个人的namespace。

Hadoop系统有多个clusters，每个cluster可能被联合到多个namespaces。也描述了如何在HDFS联合上使用ViewFS，可以让应用可以使用相似的方法，操作每个联合。

2. The Old World(Prior to Federation)

2.1单个Namenode Clusters

在以前HDFS联合，一个cluster有一个namenode提供了一个文件系统namespace。假设有多个cluster，每个cluster的文件系统namespace都是独立的。此外集群的存储也是相互不共享的。(datanode集群间是不共享的)。

Core-site.xml的每个配置属性设置namenode 的默认文件系统集群：

<property>

<name>fs.default.name</name>

<value>hdfs://namenodeOfClusterX:port</value>

</property>

比如这个配置允许使用相对路径来访问cluster namenode。比如使用上面的/foo/bar配置表示hdfs://namenodeOfClusterX:port/foo/bar。

这个配置属性需要配置在集群的每个gateway，也需要设置在关键的服务上，比如JobTracker和Oozie。

2.2 路径使用

配置了以上设置，通常的路径名：

1./foo/bar
这个配置等于hdfs://namenodeOfClusterX:port/foo/bar

2. hdfs://namenodeOfClusterX:port/foo/bar
是可用的路径，使用相对路径会更好，因为可以根据cluster的变化而变化。

3. hdfs://namenodeOfClusterY:port/foo/bar
指向另外一个集群的路径，可以使用以下命令复制：
distcp hdfs://namenodeClusterY:port/pathSrc
hdfs://namenodeClusterZ:port/pathDest

4.webhdfs://namenodeClusterX:http_port/foo/bar
URI用来访问WebHDFS文件系统。注意WebHDFS使用HTTP端口namenode，而不是使用PRC端口。

5.http://namenodeClusterX:http_port/webhdfs/v1/foo/bar 和http://proxyClusterX:http_port/foo/bar
通过WebHDFS RESET API和HDFS代理，HTTP URLs访问这些文件。

2.3 路径名的最佳实践

推荐使用上面类型1而不是类型2的。绝对URI类似于地址并且不允许应用程序转化数据。

3 New World – Federation and ViewFS

3.1 How The Clusters Look

假设有多个集群。每个集群有一个或者多个namenode。每个namenode都有自己的namespace。一个namenode只属于一个集群。同一个集群的namenode共享集群中的物理存储。Namespace关联的集群是独立的。

3.2 使用ViewFs的每个cluster的Namespace

为了提供和之前的兼容，ViewFS文件系统用来为每个集群创建独立的集群namespace view。和老的namespace类似。以下图片显示了mount table mount了4个namespace：

ViewFS实现了Hadoop
file system结构和HDFS和本地文件系统类似。感觉就是一个细微的文件系统用来连接到其他文件系统。因为ViewFs实现了hadoop文件系统的借口，对hadoop tool透明。比如ViewFs的命令和hdfs和本地文件系统一样。

在hadoop配置文件可以配置mount表的mount点。在每个集群的配置，默认的文件系统被设置到mount
table：

<property>

<name>fs.defaultFS</name>

<value>viewfs://clusterX</value>

</property>

头上在viewfs://之后是mount table名，推荐使用cluster name。然后hadoop系统查看在配置文件中的clusterx的mount
table。操作覆盖所有gateway和服务来包含所有集群的mount table。对于每个cluster，默认文件系统会被创建为ViewFs mount table和上面描述的一样。

Mount table 的挂载点在hadoop
配置文件中设置。所有mount table使用fs.viewfs.mounttable配置。Mount point是使用link标签来链接其他文件系统。推荐mount
point的名字和挂载目标的一样。对于所有的namespace没有配置在mount table中，我们可以使用linkFallback，fallback到默认文件系统。

在以下mount table配置，namespace /data链接到文件系统hdfs://nn1-clusterx.example.com:8020/data，/project链接到hdfs://nn2-clusterx.example.com:8020/project。所有的namespace没有被配置在mount table的比如/logs都会被链接到hdfs://nn5-clusterx.example.com:8020/home下。

<configuration>

<property>

<name>fs.viewfs.mounttable.ClusterX.link./data</name>

<value>hdfs://nn1-clusterx.example.com:8020/data</value>

</property>

<property>

<name>fs.viewfs.mounttable.ClusterX.link./project</name>

<value>hdfs://nn2-clusterx.example.com:8020/project</value>

</property>

<property>

<name>fs.viewfs.mounttable.ClusterX.link./user</name>

<value>hdfs://nn3-clusterx.example.com:8020/user</value>

</property>

<property>

<name>fs.viewfs.mounttable.ClusterX.link./tmp</name>

<value>hdfs://nn4-clusterx.example.com:8020/tmp</value>

</property>

<property>

<name>fs.viewfs.mounttable.ClusterX.linkFallback</name>

<value>hdfs://nn5-clusterx.example.com:8020/home</value>

</property>

</configuration>

替代方案，可以通过linkMergeSlash来合并mount table的root。在mount
table配置，ClusterY的root使用hdfs://nn1-clustery.example.com:8020合并。

<configuration>

  <property>

    <name>fs.viewfs.mounttable.ClusterY.linkMergeSlash</name>

    <value>hdfs://nn1-clustery.example.com:8020/</value>

  </property>

</configuration>

3.3 路径使用

配置了以上设置，通常的路径名：

1./foo/bar
这个配置等于hdfs://namenodeOfClusterX:port/foo/bar

2. hdfs://namenodeOfClusterX:port/foo/bar
是可用的路径，使用相对路径会更好，因为可以根据cluster的变化而变化。

3. hdfs://namenodeOfClusterY:port/foo/bar
指向另外一个集群的路径，可以使用以下命令复制：
distcp hdfs://namenodeClusterY:port/pathSrc
hdfs://namenodeClusterZ:port/pathDest

4.webhdfs://namenodeClusterX:http_port/foo/bar
URI用来访问WebHDFS文件系统。注意WebHDFS使用HTTP端口namenode，而不是使用PRC端口。

5.http://namenodeClusterX:http_port/webhdfs/v1/foo/bar 和http://proxyClusterX:http_port/foo/bar
通过WebHDFS RESET API和HDFS代理，HTTP URLs访问这些文件。

3.4 路径使用最佳实践

推荐使用上面类型1而不是类型2的。绝对URI类似于地址并且不允许应用程序转化数据。

3.5 通过namespace重命名路径名

在新的方式下，如果/user和/data在不同的namenode上，那么就不可以运行。

rename /user/joe/myStuff /data/foo/bar

3.7 FAQ

略

4 附录：Mount table配置例子

通常，用户不需要邓毅表或者core-site.xml来使用mount table。

Mount table可以在core-site.xml中描述，但是最好不要直接在core-site.xml上使用，而是通过一个独立的文件，比如mountTable.xml，在core-site.xml增加以下配置：

<configuration xmlns:xi="http://www.w3.org/2001/XInclude"> 

  <xi:include href="mountTable.xml" />

</configuration> 

在mountTable.xml文件，定义了ClusterX的mount table，ClusterX是三个namespace：
1.nn1-clusterx.example.com:8020,
2.nn2-clusterx.example.com:8020,
3.nn3-clusterx.example.com:8020.

这里/home和/tmp由nn1-clusterx.example.com:8020 namenode管理，/foo和/bar在联合集群的其他namenode。Home的base目录被设置在/home，这样每个用户可以通过getHomeDirectory()访问各自的home目录，getHomeDirectory()定义可以查看FileSystem/FileContext.

<configuration>

  <property>

    <name>fs.viewfs.mounttable.ClusterX.homedir</name>

    <value>/home</value>

  </property>

  <property>

    <name>fs.viewfs.mounttable.ClusterX.link./home</name>

    <value>hdfs://nn1-clusterx.example.com:8020/home</value>

  </property>

  <property>

    <name>fs.viewfs.mounttable.ClusterX.link./tmp</name>

    <value>hdfs://nn1-clusterx.example.com:8020/tmp</value>

  </property>

  <property>

    <name>fs.viewfs.mounttable.ClusterX.link./projects/foo</name>

    <value>hdfs://nn2-clusterx.example.com:8020/projects/foo</value>

  </property>

  <property>

    <name>fs.viewfs.mounttable.ClusterX.link./projects/bar</name>

    <value>hdfs://nn3-clusterx.example.com:8020/projects/bar</value>

  </property>

</configuration>