hdfs的datanode工作原理

datanode的作用:

　　(1)提供真实文件数据的存储服务。

　　(2)文件块（block）：最基本的存储单位。对于文件内容而言，一个文件的长度大小是size，那么从文件的０偏移开始，按照固定的大小，顺序对文件进行划分并编号，划分好的每一个块称一个Block。HDFS默认Block大小是128MB，以一个256MB文件，共有256/128=2个Block.

　　　　配置在hdfs-site.xml中配置:　　dfs.block.size

　　(3)不同于普通文件系统的是，HDFS中，如果一个文件小于一个数据块的大小，并不占用整个数据块存储空间Replication。多复本。默认是三个。也可以在hdfs-site.xml中配置:

　　如下修改副本数量为1(因为只有一个节点):

<property>
<name>dfs.replication</name>
<value>1</value>
</property>

　　

下面进行测试:

(1)首先删除hdfs所有的所有文件:

[root@localhost ~]# hadoop fs -ls hdfs://localhost:9000/
Found  items
-rwxrwxrwx    hadoop supergroup       -- : hdfs://localhost:9000/install.log
drwx------   - root   supergroup           -- : hdfs://localhost:9000/tmp
drwxr-xr-x   - root   supergroup           -- : hdfs://localhost:9000/user
drwxr-xr-x   - root   supergroup           -- : hdfs://localhost:9000/wordcount
[root@localhost ~]# hadoop fs -rm -r hdfs://localhost:9000/*   #删除文件
// :: INFO fs.TrashPolicyDefault: Namenode trash configuration: Deletion interval =  minutes, Emptier interval =  minutes.
Deleted hdfs://localhost:9000/install.log
// :: INFO fs.TrashPolicyDefault: Namenode trash configuration: Deletion interval =  minutes, Emptier interval =  minutes.
Deleted hdfs://localhost:9000/tmp
// :: INFO fs.TrashPolicyDefault: Namenode trash configuration: Deletion interval =  minutes, Emptier interval =  minutes.
Deleted hdfs://localhost:9000/user
// :: INFO fs.TrashPolicyDefault: Namenode trash configuration: Deletion interval =  minutes, Emptier interval =  minutes.
Deleted hdfs://localhost:9000/wordcount
[root@localhost ~]# hadoop fs -ls hdfs://localhost:9000/
[root@localhost ~]# 

(2)上传一个文件:

[root@localhost java]# ll
total
drwxr-xr-x.  uucp         Jun    jdk1..0_65
-rw-r--r--.  root root  Apr  : jdk-7u65-linux-i586.tar.gz
[root@localhost java]# hadoop fs -put ./jdk-7u65-linux-i586.tar.gz /　　#上传文件到hdfs根目录
[root@localhost java]# hadoop fs -ls /
Found  items
-rw-r--r--    root supergroup   -- : /jdk-7u65-linux-i586.tar.gz

(3)到本地hdfs存放文件的地方查看文件:

[root@localhost finalized]# pwd　　#hdfs存放文件的地方
/opt/hadoop/hadoop-2.4.1/data/dfs/data/current/BP-1623988768-127.0.0.1-1523440267982/current/finalized
[root@localhost finalized]# ll　　#查看文件
total
-rw-r--r--.  root root  Apr  : blk_1073741855
-rw-r--r--.  root root    Apr  : blk_1073741855_1031.meta
-rw-r--r--.  root root    Apr  : blk_1073741856
-rw-r--r--.  root root      Apr  : blk_1073741856_1032.meta

　　(1)发现/opt/hadoop/hadoop-2.4.1/data/dfs/data/current/BP-1623988768-127.0.0.1-1523440267982/current/finalized是hdfs存放文件的路径。

　　(2)存放的文件以blk_blkId命名，且一个文件对应一个元数据信息，且同一个文件的不同blk的blkId(block ID)是连续的。上面上传的文件被分成2个block

　　(3)上面的blk_1073741855是第一个block，大小为134217728，计算:134217728/1024/1024=128,也就是第一个blk的大小正好的128M。加上下面的blk正好是文件的大小

　　或者

以下面这种方式查看文件大小:

[root@localhost finalized]# du -h  ./*
128M    ./blk_1073741855
1.1M    ./blk_1073741855_1031.meta
9.0M    ./blk_1073741856
72K     ./blk_1073741856_1032.meta

(4)实际上block就是文件，只是因为文件被拆分，所以如果我们如果将文件合并就可以像处理原始文件一样处理文件。这也是hdfs的机制，将文件按默认块大小分割开，最后按照顺序将块合并组成源文件。

将文件拷贝到用户工作目录:

[root@localhost finalized]# cp ./blk_1073741855 ~/
[root@localhost finalized]# cp ./blk_1073741856 ~/

合并两个block并查看合并后的文件大小:(合并后的大小等于上传的源文件大小)

[root@localhost ~]# cat ./blk_1073741856 >> ./blk_1073741855　　#合并文件
[root@localhost ~]# ll | grep blk
-rw-r--r--.  root root  Apr  : blk_1073741855
-rw-r--r--.  root root    Apr  : blk_1073741856

查看文件类型并且解压缩文件:

[root@localhost ~]# file ./blk_1073741855 #查看文件类型
./blk_1073741855: gzip compressed data, from Unix, last modified: Mon Jun  ::
[root@localhost ~]# tar -zxvf ./blk_1073741855

解压缩后结果:

[root@localhost ~]# ls
anaconda-ks.cfg  blk_1073741855  blk_1073741856  install.log  install.log.syslog  jdk1..0_65  startHadoop.sh  test
[root@localhost ~]# pwd
/root
[root@localhost ~]# cd jdk1..0_65/bin/
[root@localhost bin]# ./java -version
java version "1.7.0_65"
Java(TM) SE Runtime Environment (build 1.7.0_65-b17)
Java HotSpot(TM) Client VM (build 24.65-b04, mixed mode)

总结:

　　datanode实际上是将文件按block分开，每个block的大小可以设定，默认每个block为128M(一个block对应一个meta元数据信息)，也就是如果文件不够128M是一个block，如果是129M就会被分成两个block(第一个128M，第二个1M)。当我们访问文件的时候，hdfs会将block按顺序合并之后返回给我们，我们也就得到完整的文件。