Hadoop：HDFS设计原理

一、HDFS组成结构

1、NameNode

• 相当于Master，主要存储文件的元数据（文件名、目录结构、文件属性等），以及每个文件的块列表和块所在的DataNode。
• 配置副本策略，管理数据库映射信息，处理客户端读写请求等。

2、DataNode

• 相当于Slave，主要用于存储文件块数据，执行数据块的读写操作。
• 数据块大小定义（1.x版本默认64M，2.x/3.x版本默认128M）。
• 数据块太小，会增加程序寻址时间；太大会影响磁盘传输时间。

3、Client

• 文件切分（上传到HDFS时，client会将文件切分成一个个数据块，再进行上传）。
• 与NameNode交互，获取文件位置信息。
• 与DataNode交互，读写数据。
• 可以通过一些命令管理HDFS（NameNode格式化、对HDFS增删改查等）。

4、Secondary NameNode

• 不是NameNode的热备，当NameNode挂掉的时候，可辅助恢复NameNode。
• 辅助NameNode，每隔一段时间对NameNode元数据备份（定期合并Fsimage和Edits，并推送给NameNode）。

二、HDFS写数据流程

2.1 写数据流程

1、Client通过Distributed FileSystem 向 NameNode 请求上传文件，NameNode 检查目标文件是否已存在，父目录是否存在。

2、NameNode 返回是否可以上传。

3、客户端请求第一个 Block 上传到哪几个 DataNode 服务器上。

4、NameNode 返回待上传的DataNode 节点。

5、客户端通过 FSDataOutputStream 请求 DN1上传数据，DN1收到请求会继续调用DN2，然后DN2调用DN3，将这个通信管道建立完成。

6、DN1、DN2、DN3逐级应答客户端。

7、客户端开始往DN1上传第一个 Block（先从磁盘读取数据放到一个本地内存缓存），以Packet（64K）为单位，DN1收到一个Packet，会一边写本地一边传给DN2，DN2再一边写本地一边传给DN3；每传一个 packet都会放入一个ack应答队列。

8、当一个 Block 传输完成之后，客户端再次请求 NameNode 上传第二个 Block 的服务器。（重复执行 3-7 步）。

2.2 副本节点选择

• 第一个副本在Client所处的节点上。如果客户端在集群外， 随机选一个。

• 第二个副本在另一个机架的随机一个节点。
• 第三个副本在第二个副本所在机架的随机节点。

2.3 网络拓扑-节点距离计算

在 HDFS 写数据的过程中， NameNode 会选择距离待上传数据最近距离的 DataNode 接收数据。 那么这个最近距离怎么计算呢？

节点距离：两个节点到达最近的共同祖先的距离总和。

三、HDFS读数据流程

1、客户端通过 DistributedFileSystem 向 NameNode 请求下载文件， NameNode 通过查询元数据，找到文件块所在的 DataNode 地址。

2、挑选一台 DataNode（节点距离最近+负载均衡）服务器，请求读取数据。

3、DataNode 开始传输数据给客户端（从磁盘里面读取数据输入流，以 Packet 为单位来做校验）。

4、并行读取Block，并对读取的Block做checksum验证，出现错误会通知 NameNode，然后再从下一个拥有该 block 副本的DataNode 继续读。

5、客户端以 Packet 为单位接收，先在本地缓存，然后写入目标文件。

四、NameNode 和 SecondaryNameNode

思考： NameNode 中的元数据是存储在哪里的？

首先，我们做个假设，如果存储在 NameNode 节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。 因此产生在磁盘中备份元数据的FsImage。

这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新 FsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦 NameNode 节点断电，就会产生数据丢失。 因此，引入 Edits 文件（只进行追加操作，效率很高） 。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到 Edits 中。 这样，一旦 NameNode 节点断电，可以通过 FsImage 和 Edits 的合并，合成元数据。

但是，如果长时间添加数据到 Edits 中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。因此，需要定期进行 FsImage 和 Edits 的合并，如果这个操作由NameNode节点完成，又会效率过低。因此，引入一个新的节点SecondaryNamenode，专门用于 FsImage 和 Edits 的合并。

4.1 NameNode工作机制

第一阶段：NameNode工作

1、第一次启动 NameNode 格式化后， 创建 fsimage 和 edits 文件。如果不是第一次启动，直接加载fsimage和edits_inprogress_001到内存。

2、客户端对元数据进行增删改的请求。

3、NameNode 在内存中对元数据进行增删改，记录操作日志写到edits_inprogress_001，执行CheckPoint时会重命名为edits_001，再生成一个新的edits_inprogress_002，后续记录写到edits_inprogress_002中。

第二阶段：Secondary NameNode工作

1、Secondary NameNode 询问 NameNode 是否需要 CheckPoint。 直接返回 NameNode是否检查结果。

2、Secondary NameNode 请求执行 CheckPoint。

3、NameNode新建edits_inprogress_002，将edits_inprogress_001重命名为edits_001。

4、将滚动前的fsimage和edits_001拷贝到 Secondary NameNode。

5、Secondary NameNode加载fsimage和edits_001到内存。

6、Secondary NameNode合并生成新的镜像文件fsimage.chkpoint。

7、拷贝 fsimage.chkpoint 到 NameNode。

8、NameNode 将 fsimage.chkpoint 重新命名成fsimage并覆盖掉旧的。

4.2 Fsimage 和 Edits

[${hadoop.tmp.dir}/dfs/name/current]

[${hadoop.tmp.dir}/dfs/namesecondary/current]

NameNode被格式化之后， 将在${hadoop.tmp.dir}/dfs/name/current目录中产生如下文件：

1、fsimage文件：HDFS文件系统元数据的一个永久性的检查点， 其中包含HDFS文件系统的所有目录和文件inode的序列化信息。

2、edits文件：存放HDFS文件系统的所有更新操作的路径，文件系统客户端执行的所有写操作首先会被记录到Edits文件中。

3、seen_txid文件：保存的是一个数字，就是最后一个edits_的数字。

4、每次NameNode启动的时候都会将Fsimage文件读入内存，加载Edits里面的更新操作，保证内存中的元数据信息是最新的、同步的，可以看成NameNode启动的时候就将Fsimage和Edits文件进行了合并。

反编译fsimage：hdfs oiv -p XML -i fsimage_0000000000000137086 -o fsimage_out.xml

反编译edits：hdfs oev -p XML -i edits_inprogress_0000000000000137089 -o edits_out.xml

4.3 CheckPoint 时间设置

[hdfs-default.xml]

<property>
<name>dfs.namenode.checkpoint.txns</name>
<value>10000</value>
<description>操作动作次数</description>
</property>

<property>
<name>dfs.namenode.checkpoint.check.period</name>
<value>60s</value>
<description> 1 分钟检查一次操作次数</description>
</property>

五、DataNode工作机制

5.1 DataNode工作机制

1、一个数据块在 DataNode 上以文件形式存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳。

2、DataNode 启动后向 NameNode 注册，通过后，周期性（默认6 小时）的向NameNode上报所有的块信息。
3、心跳是每 3 秒一次，心跳返回结果带有 NameNode 给该 DataNode 的命令。如复制块数据到另一台机器，或删除某个数据块。 如果超过10分钟没有收到某个DataNode的心跳，则认为该节点不可用。

4、集群运行中可以安全加入和退出一些机器。

5.2 数据完整性

（1） 当 DataNode 读取 Block 的时候，它会计算 CheckSum。

（2） 如果计算后的 CheckSum，与 Block 创建时值不一样，说明 Block 已经损坏。

（3） Client 读取其他 DataNode 上的 Block。

（4）常见的校验算法 crc（32）， md5（128）， sha1（160）。

（5） DataNode 在其文件创建后周期验证 CheckSum。

5.3 掉线时限参数设置

1、 DataNode进程死亡或者网络故障造成DataNode无法与NameNode通信。

2、 NameNode不会立即把该节点判定为死亡，要经过一段时间，这段时间暂称作超时时长。

3、 HDFS默认的超时时长为10分钟+30秒。

4、 如果定义超时时间为TimeOut，则超时时长的计算公式为：TimeOut = 2 * dfs.namenode.heartbeat.recheck-interval + 10 * dfs.heartbeat.interval

而默认的dfs.namenode.heartbeat.recheck-interval 大小为5分钟， dfs.heartbeat.interval默认为3秒。

需要注意的是 hdfs-site.xml 配置文件中的 heartbeat.recheck.interval 的单位为毫秒，dfs.heartbeat.interval 的单位为秒。

[hdfs-site.xml]

<property>
<name>dfs.namenode.heartbeat.recheck-interval</name>
<value>300000</value>
</property>

<property>
<name>dfs.heartbeat.interval</name>
<value>3</value>
</property>

参考资料：

http://www.atguigu.com/bigdata_video.shtml#bigdata

https://hadoop.apache.org/docs/r1.0.4/cn/hdfs_design.htmlhttps://blog.csdn.net/weixin_38750084/article/details/82963235https://www.cnblogs.com/zsql/p/11587240.htmlhttps://blog.csdn.net/woshiwanxin102213/article/details/19990487