此笔记是我学习 B站尚硅谷相关课程的学习笔记

项目源码：https://github.com/YongRuiZhang/hadoop_study_demo

概述

定义

HDFS（Hadoop Distributed File System），它是一个文件系统，用于存储文件，通过目录树来定位文件；其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色。

HDFS 的使用场景：适合一次写入，多次读出的场景。一个文件经过创建、写入和关闭之后就不需要改变。

优缺点

优点

高容错
- 数据自动保存多个副本。
- 某一个副本丢失以后，它可以自动恢复。
适合处理海量数据
- 数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据；
- 文件规模：能够处理百万规模以上的文件数量
可构建的廉价的机器上，通过多副本机制，提高可靠性。

缺点

不适合低延时数据访问，比如毫秒级的存储结构（MySQL）
无法高效的对大量的小文件进行存储
- 存储大量小文件的话，它会占用NameNode大量的内存来存储文件目录和块信息。这样试试不可取的，因为NameNode的内存总是有限的
- 小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标
不支持并发写入、文件随机修改
- 一个文件只能由一个写，不允许多个线程同时写
- 仅支持数据append（追加），不支持文件的随机修改

组成架构

NameNode（nn）：就是Master，它是一个主管、管理者。
1. 管理HDFS的名称空间；
2. 配置副本策略；
3. 管理数据块（Block）映射信息；
4. 处理客户端读写请求。
DataNode：就是Slave。NameNode 下达命令，DataNode执行实际的操作。
1. 存储实际的数据块；
2. 执行数据块的读/写操作。
Client：就是客户端。（网页和命令都是客户端，可以操作数据的端口）
1. 文件切分。文件上传HDFS的时候，Client将文件切分成一个一个的Block，然后进行上传；
2. 与NameNode交互，获取文件的位置信息；
3. 与DataNode交互，读取或者写入数据；
4. Client提供一些命令来管理HDFS，比如NameNode格式化；
5. Client可以通过一些命令来访问HDFS，比如对HDFS增删查改操作；
Secondary NameNode：并非NameNode的热备。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。
1. 辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode ；
2. 在紧急情况下，可辅助恢复NameNode。但是只能恢复一部分数据，因为Secondary NameNode毕竟是老板的秘书，知道的信息没有老板多。

HDFS文件块大小

这部分是面试重点。

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/3.x版本中是128M，1.x版本中是64M。

思考：为什么块的大小不能设置太小，也不能设置太大？

答案：

HDFS的块设置太小，会增加寻址时间，程序一直在找块的开始位置；
如果块设置的太大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。导致程序在处理这块数据时，会非常慢。

总结：HDFS块的大小设置主要取决于磁盘传输速率。

HDFS的Shell操作

开发重点

基本语法

如果没有配置环境变量就在$HADOOP_HOME/bin下使用命令：

1
2
3

hadoop fs 具体命令
# 或者
hdfs dfs 具体命令

两者完全一样 ，根据习惯使用就行了，涉及的具体命令也都是一模一样的。

命令大全

整体分为两类：

HDFS和服务器之间的数据操作

上传（服务器上的文件送到HDFS上去）

下载（HDFS上的文件下载到服务器）

HDFS自己的数据操作

基本是就是linux的文件操作，大致一模一样

常用命令实操

1、准备工作

启动Hadoop集群（方便后续的测试工作）

# 在 $HADOOP_HOME下：
sbin/start-dfs.sh
sbin/start-yarn.sh

# 或者 
# 在任意路径下：
myhadoop.sh start

现在学HDFS只启动HDFS就行，可以不用启动Yarn。

使用-help命令，输出命令的参数等
1
hdaoop fs -help rm
打开web端
先尝试自己能否打开这些端口，能否使用Hadoop的web端：hadoop常用端口号。
现在需要使用的是9870端口，即访问： http://hadoop103:9870
进入之后点击顶部菜单的 Utilities > Browse the file system
创建一个/sanguo文件夹
1
hadoop fs -mkdir /sanguo
注意：要让创建的文件夹归HDFS管就要使用HDFS的命令来生成

效果：

web端：

命令行端：

注意两者都是客户端。

2、上传

命令	作用
`-moveFromLocal`	从本地剪切粘贴到 HDFS（move，也就是移动，移动之后本地就没有了）
`-copyFromLocal`	从本地文件系统中拷贝文件到 HDFS 路径去（拷贝之后本地还有）
`-put`	等同于 `-copyFromLocal`，生产环境更习惯用 `-put`（简洁啊，少打字）
`-appendToFile`	追加一个文件到已经存在的文件末尾

命令可点击跳转

`-moveFromLocal`

从本地剪切粘贴到 HDFS（移动，移动之后本地就没有了）

vim shuguo.txt   # 创建一个文件用来上传
写入内容:shuguo	  # 蜀国

hadoop fs -moveFromLocal ./shuguo.txt /sanguo
命令名     从本地移动		待移动的文件	 移动的目标位置

效果：

`-copyFromLocal`

从本地文件系统中拷贝文件到 HDFS 路径去（拷贝之后本地还有）

vim weiguo.txt  # 创建一个文件用来上传
写入内容：weiguo    # 魏国

hadoop fs -copyFromLocal ./weiguo.txt /sanguo
命令名		从本地拷贝		待拷贝的文件名 拷贝到的地方

效果：

`-put`

等同于 -copyFromLocal，生产环境更习惯用 -put（简洁啊，少打字）。

vim wuguo.txt  # 创建一个文件用来上传
写入内容：wuguo		# 吴国

hadoop fs -put 			 ./weiguo.txt /sanguo
命令名		从本地拷贝		待拷贝的文件名 拷贝到的地方

效果：

`-appendToFile`

追加一个文件到已经存在的文件末尾.

这个用得少。

vim liubei.txt # 创建一个文件用于演示
输入内容：liubei		# 刘备

hadoop fs -appendToFile ./liubei.txt /sanguo/shuguo.txt
命令名		追加到文件		待追加的文件	接收追加的文件

3、下载

命令	作用
`-copyToLocal`	从 HDFS 拷贝到本地
`-get`	等同于 `-copyToLocal`，生产环境更习惯用 `-get`（还是因为简洁）

因为蜀国是移动到HDFS上的（-moveFormLocal）所以本地是没有蜀国的，接下来的例子就演示下载蜀国。

`-copyToLocal`

从 HDFS 拷贝到本地

1 2	hadoop fs -copyToLocal /sanguo/shuguo.txt ./ 命令名拷贝到本地拷贝的位置下载的位置

`-get`

等同于 -copyToLocal，生产环境更习惯用 -get

1 2	hadoop fs -get /sanguo/shuguo.txt ./shuguo2.txt 命令名拷贝到本地拷贝的位置下载的位置

4、HDFS直接操作（Linux上也有的命令）

也就是直接操作HDFS上的文件。上传和下载都是服务器本地和HDFS之间的操作。

基本上和Linux命令一样。

命令	作用
`-ls`	显示目录信息
`-cat`	显示文件内容
`-chgrp`、`-chmod`、`-chown`	修改文件所属权限
`-mkdir`	创建路径
`-cp`	从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
`-mv`	在 HDFS 目录中移动文件
`-tail`	显示一个文件的末尾 1kb 的数据
`-rm`	删除文件或文件夹
`-rm -r`	递归删除目录及目录里面内容
`-du`	统计文件夹的大小信息
`setrep`	设置 HDFS 中文件的副本数量

`-ls`：

1	hadoop fs -ls /sanguo

`-cat`：

1	hadoop fs -cat /sanguo/shuguo.txt

`-chmod`

演示一个就够了

1	hadoop fs -chmod 666 /sanguo/shuguo.txt

`-mkdir`

前面的sanguo文件夹就是用这个命令传创建的。

1	hadoop fs -mkdir /jinguo

`-cp`

将蜀国拷贝到晋国。

1	hadoop fs -cp /sanguo/shuguo.txt /jinguo

`-mv`

将吴国移动到晋国

1	hadoop fs -mv /sanguo/wuguo.txt /jinguo

`-tail`

1	hadoop fs -tail /jinguo/shuguo.txt

`-rm`

1	hadoop fs -rm /sanguo/shuguo.txt

`-rm -r`

1	hadoop fs -rm -r /sanguo

`-du`

du的参数选项：

-s或—summarize 仅显示总计。

-h或—human-readable 以K，M，G为单位，提高信息的可读性。

统计文件夹的大小

1	hadoop fs -du -s -h /jinguo

27表示文件大小

81表示总三个副本：27*3

1	hadoop fs -du -h /jinguo

`-setrep`

设置晋国下面的蜀国有10个副本。

1	hadoop fs -setrep 10 /jinguo/shuguo.txt

这里设置的副本数只是记录在 NameNode 的元数据中，是否真的会有这么多副本，还得看 DataNode 的数量。因为目前只有 3 台设备，最多也就 3 个副本，只有节点数的增加到 10 台时，副本数才能达到 10。

如果只有一个副本，是谁还得学到后面才知道。

HDFS的API操作

目的是想要在windows中通过api操作HDFS。在Mac中使用API操作一样步骤，但是可以不获取winutils，不用配置winutils环境。

使用时一定要保证集群时启动的

注意如果Hadoop的版本是2.x的话会有一定差异（尤其是端口号），注意Hadoop版本。

配置环境变量

获取依赖包

https://github.com/kontext-tech/winutils
将依赖包放到无中文的目录
配置环境变量（类似于配置Windows中的JDK）

在IDEA中做准备工作

创建maven项目

引入hadoop-client的依赖

<dependency>
  <groupId>org.apache.hadoop</groupId>
  <artifactId>hadoop-client</artifactId>
  <version>3.3.3</version>
</dependency>

版本不是和winutils的版本，是Linux中的Hadoop版本。

为了打印日志等其他功能，总共引入：

<dependencies>
  <dependency>
    <groupId>junit</groupId>
    <artifactId>junit</artifactId>
    <version>4.11</version>
    <scope>test</scope>
  </dependency>
  <dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-client</artifactId>
    <version>3.3.3</version>
  </dependency>
  <dependency>
    <groupId>org.slf4j</groupId>
    <artifactId>jcl-over-slf4j</artifactId>
    <version>1.5.6</version>
  </dependency>
</dependencies>

在src/main/resources目录下新建一个文件，命名为：“log4j.properties”在文件中填入：

log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

创建包com.zhang.hdfs

创建HdfsClient类

客户端代码常用套路（最满足的就是HDFS和ZooKeeper）：

获取一个客户端对象
执行相关的操作命令
关闭资源

接下来写一个创建目录的函数。

注意要连接的URI：

我们在hdfs-site.xml中设置了打开namenode web端的网址：
1
2
3
4
<property>
<name>dfs.namenode.http-address</name>
<value>hadoop102:9870</value>
</property>
这个网址就只是namenode web端的网址

我们在core-site.xml中设置了namenode的地址，这个地址才是真正的 namenode 的URI，我们就是要访问这个URI：

 <property>
     <name>fs.defaultFS</name>
     <value>hdfs://hadoop102:8020</value>
</property>

import java.net.URI;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.Test;

import java.io.IOException;
import java.net.URISyntaxException;

public class HdfsClient {
    @Test
    public void testMkdirs() throws IOException, URISyntaxException, InterruptedException {
        // 连接集群的NameNode地址
        URI uri = new URI("hdfs://hadoop102:8020");
        // 配置文件
        Configuration configuration = new Configuration();
        // 用户
        String user = "zyr";
        // 1. 获取到客户端对象
        FileSystem fileSystem = FileSystem.get(uri, configuration, user);
        // 2. 创建一给文件夹 西游 下面一个 花果山
        fileSystem.mkdirs(new Path("/xiyou/huaguoshan")); // 注意参数是一个Path对象，创建对象，用构造函数赋值
        // 3. 关闭资源
        fileSystem.close();
    }
}

注意使用的包,知道那几个是要用hadoop的：

import java.net.URI;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

效果：

![image-20220817094651701](https://yongruizhang-image.oss-cn-chengdu.aliyuncs.com/img/Downloads/image-20220817094651701.png)

由于有大量相同操作，所以我们可以做一次封装，把获取一个客户端对象和关闭资源封装起来

import java.net.URI;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.io.IOException;
import java.net.URISyntaxException;

public class HdfsClient {

    private FileSystem fileSystem;

    @Before
    public void init() throws URISyntaxException, IOException, InterruptedException {
        // 连接集群的NameNode地址
        URI uri = new URI("hdfs://hadoop102:8020");
        // 配置文件
        Configuration configuration = new Configuration();
        // 用户
        String user = "zyr";
        // 1. 获取到客户端对象
        fileSystem = FileSystem.get(uri, configuration, user);
    }

    @After
    public void close() throws IOException {
        // 3. 关闭资源
        fileSystem.close();
    }

    @Test
    public void testMkdirs() throws IOException {

        // 2. 创建一给文件夹 西游 下面一个 花果山
        fileSystem.mkdirs(new Path("/xiyou/huaguoshan1"));

    }
}

效果：

参数优先级

参数优先级排序：客户端代码中设置的值 > ClassPath 下的用户自定义配置文件 > 然后是服务器的自定义配置（xxx-site.xml）> 服务器的默认配置（xxx-default.xml）

客户端代码中设置的值：

@Before
public void init() throws URISyntaxException, IOException, InterruptedException {
    // 连接集群的NameNode地址
    URI uri = new URI("hdfs://hadoop102:8020");
    // 配置文件
    Configuration configuration = new Configuration();
    configuration.set("dfs.replication","2");//设置副本数为2
    // 用户
    String user = "zyr";
    // 1. 获取到客户端对象
    fileSystem = FileSystem.get(uri, configuration, user);
}

ClassPath 下的用户自定义配置文件：

在src/main/resources下创建hdfs-site.xml文件，写入配置（设置副本数为1）

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

服务器也就是Ubuntu中的Hadoop配置文件了。我们写的xxx-site.xml，优先级比xxx-defalut.xml高。

进行HDFS的API操作

上传

copyFromLocalFile()：参数一：是否删除原数据，参数二：是否允许覆盖，参数三：源数据路径（Win），参数四：目的地路径（HDFS）

在windows的E盘创建一个文本文件，sunwukong，写入sunwukong，用来测试上传。

@Test
public void testPut() throws IOException {
    // 参数一：是否删除原数据，参数二：是否允许覆盖，参数三：源数据路径（Win），参数四：目的地路径（HDFS）
    fileSystem.copyFromLocalFile(false,false,
            new Path("E:\\sunwukong.txt"),
            new Path("hdfs://hadoop102/xiyou/huaguoshan") );//加不加协议头都无所谓，实际开发不加，直接写/xiyou/huaguoshan
}

效果：

如果已经存在了文件，就会报错，因为第二个参数是false，表示不能覆盖，所以就上传不上去，就会报错

因为第一个参数时false，表示不删除原数据，所以原数据还在：

下载

copyToLocalFile()：参数一：是否删除原数据，参数二：源数据路径（HDFS），参数三：目的地路径（Win）,参数四：是否本地校验

删掉本地的sunwukong.txxt，来测试下载

// 测试下载
    @Test
    public void testGet() throws IOException {
        // 参数一：是否删除原数据，参数二：源数据路径（HDFS），参数三：目的地路径（Win）,参数四：是否本地校验
        fileSystem.copyToLocalFile(false,new Path("/xiyou/huaguoshan"),new Path("E:\\sunwukong.txt"),false);
    }

效果：

生成的是文件夹：

文件夹中内容：

sunwukong.txt中内容是一样的。。sunwukong.txt.crc是校验文件的工具。

如果第四个参数为true，就不会产生.sunwukong.txt.crc文件

第四个参数一般都不使用。

直接操作

文件删除

delete()：参数一：三处文件的地址，参数二：是否递归删除

删除一个文件（不用递归）

// 测试文件删除
@Test
public void testDelete() throws IOException {
    // 参数一：三处文件的地址，参数二：是否递归删除
    fileSystem.delete(new Path("/jinguo/wuguo.txt"),false); // 一个文件，用不用递归都一样
}

删除一个目录（非空目录用递归（否则报错）、空目录（用不用递归都无所谓））

// 测试文件删除
@Test
public void testDelete() throws IOException {
    // 参数一：三处文件的地址，参数二：是否递归删除
    fileSystem.delete(new Path("/jinguo"),true); // 一个文件，用不用递归都一样
}

文件的更名和移动

rename：参数一：原文件路径，参数二：目标文件路径

    // 文件的移动和更名
    @Test
    public void testmv() throws IOException {
        // 参数一：原文件路径，参数二：目标文件路径
        // 文件的更名
//        fileSystem.rename(new Path("/xiyou/huaguoshan/sunwukong.txt"),
//                new Path("/xiyou/huaguoshan/qitiandasheng.txt"));

        // 文件移动和更名，又要移动，又要更名
//        fileSystem.rename(new Path("/input/word.txt"),new Path("/word_mv.txt"));

        // 目录的更名
        fileSystem.rename(new Path("/input"), new Path("/output"));
    }

获取文件详情查看

listFiles：参数一：查看的路径，参数二：是否递归。返回一个迭代器

相当于-ls。

// 获取文件详细信息
@Test
public void fileDetail () throws IOException {
    // 参数一：查看的路径，参数二：是否递归。返回一个迭代器
    RemoteIterator<LocatedFileStatus> listFiles = fileSystem.listFiles(new Path("/"), true);
    // 遍历文件
    while (listFiles.hasNext()) {
        System.out.println("===============================================");
        LocatedFileStatus fileStatus = listFiles.next();
        System.out.println("Path : " + fileStatus.getPath());
        System.out.println("Name : " + fileStatus.getPath().getName());
        System.out.println("Permission : " + fileStatus.getPermission());
        System.out.println("Owner : " + fileStatus.getOwner());
        System.out.println("Group : " + fileStatus.getGroup());
        System.out.println("Len : " + fileStatus.getLen());
        System.out.println("ModificationTime : " + fileStatus.getModificationTime());
        System.out.println("Replication : " + fileStatus.getReplication());
        System.out.println("BlockSize : " + fileStatus.getBlockSize());
        // 获取块信息
        BlockLocation[] blockLocations = fileStatus.getBlockLocations();
        System.out.println(Arrays.toString(blockLocations));
        System.out.println("===============================================");
    }
}

效果（输出）：

===============================================
Path : hdfs://hadoop102:8020/word_mv.txt
Name : word_mv.txt
Permission : rw-r--r--
Owner : zyr
Group : zyr
Len : 12
ModificationTime : 1660706721280
Replication : 3
BlockSize : 134217728
[0,12,hadoop104,hadoop103,hadoop103]
===============================================
===============================================
Path : hdfs://hadoop102:8020/xiyou/huaguoshan/qitiandasheng.txt
Name : qitiandasheng.txt
Permission : rw-r--r--
Owner : zyr
Group : zyr
Len : 9
ModificationTime : 1660703296473
Replication : 3
BlockSize : 134217728
[0,9,hadoop104,hadoop103,hadoop103]
===============================================

文件和文件夹判断

listStatus：参数一：路径

判断目录下那些事文件夹那些事文件。

每一个对象都是FileStatus，上面的listFiles()得到的迭代器中的对象是LocatedFileStatus。方法都一样，上面也能判断是否是文件。

// 判断是文件夹还是文件
@Test
public void testFile() throws IOException {
    FileStatus[] listStatus = fileSystem.listStatus(new Path("/"));
    for (FileStatus status : listStatus) {
        if (status.isFile()) {
            System.out.println(status.getPath().getName() + "是一个文件");
        } else {
            System.out.println(status.getPath().getName() + "是一个目录");
        }
    }
}

效果（输出）：

output是一个目录
tmp是一个目录
word_mv.txt是一个文件
xiyou是一个目录

HDFS的读写流程（面试重点）

HDFS写数据流程

剖析文件写入

写数据就是客户端想要向HDFS上传文件的过程。

客户端想要上传文件先创建一个Distributed FileSystem（分布式文件系统）模块向NameNode请求上传文件
NameNode检查目录树是否可以创建文件，可以上传文件就响应给客户端说可以上传文件
1. 检查权限是否满足
2. 检查目录结构看目录是否存在
客户端请求上传第一个Block（0-128M），请求返回DataNode节点用来储存数据
NameNode接收请求返回n个（副本数）DataNode节点（我们这里是三个，因为有三台服务器）（dn1,dn2,dn3）

副本节点选择顺序
1. 本地节点
2. 其他机架一个节点（机架之后再讲）
3. 其他机架另一个节点
客户端接收到响应回来的节点，创建FSDataOutputStream输出流流对象，之后就请求建立Bolck通道。这个请求会向第3步返回的节点发送，并且只会往一个（dn1）里发送，这一个（dn1）通过了，由这一个向后面的节点（dn2）继续发送（有点串行的感觉）

就是：客户端—>dn1—>dn2—>dn3
最后一个节点（dn3）搜到请求建立好了Bolck通道之后就会响应，向发送给它请求的节点（dn2）响应，一层一层直到客户端

就是：dn3—>dn2—>dn1—>客户端
客户端收到响应后，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 为单位，dn1 收到一个 Packet 就会传给 dn2，dn2 传给 dn3；dn1 每传一个 packet 会放入一个应答队列等待应答。
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）。

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。

Distance(/d1/r1/n0,/d1/r1/n0)=0 ：因为本来就是同一个节点
Distance(/d1/r1/n1,/d1/r1/n2)=2 ：因为这两个不是同一个节点，都往上找发现机架r1是这两个节点最近的共同祖先。/d1/r1/n1距离这个公共祖先的距离为1，/d1/r1/n2距离这个公祖先的距离为1，所以距离总和为2
Distance(/d1/r2/n0,/d1/r3/n2)=4 ：因为这两个不是同一个节点，都往上找发现集群d1是这两个节点最近的共同祖先。/d1/r2/n0距离这个公共祖先的距离为2，/d1/r3/n2距离这个公祖先的距离为2，所以距离总和为4
Distance(/d1/r2/n1,/d2/r4/n1)=6 ：因为这两个不是同一个节点，都往上找发现根节点是这两个节点最近的共同祖先。/d1/r2/n1距离这个公共祖先的距离为3，/d2/r4/n1距离这个公祖先的距离为3，所以距离总和为6

机架感知——副本存储节点选择

机架感知说明

官方说明：

For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on the local machine if the writer is on a datanode, otherwise on a random datanode, another replica on a node in a different (remote) rack, and the last on a different node in the same remote rack. This policy cuts the inter-rack write traffic which generally improves write performance. The chance of rack failure is far less than that of node failure; this policy does not impact data reliability and availability guarantees. However, it does reduce the aggregate network bandwidth used when reading data since a block is placed in only two unique racks rather than three. With this policy, the replicas of a file do not evenly distribute across the racks. One third of replicas are on one node, two thirds of replicas are on one rack, and the other third are evenly distributed across the remaining racks. This policy improves write performance without compromising data reliability or read performance.

翻译：

对于常见情况，当复制系数为3时，HDFS的放置策略是，如果编写器位于DataNode上，则将一个副本放在本地计算机上，否则放在随机DataNode上，将另一个副本放在不同(远程)机架中的节点上，最后将最后一个副本放在同一远程机架中的不同节点上。此策略减少了机架间写入流量，这通常会提高写入性能。机架故障的可能性远远小于节点故障的可能性；此策略不会影响数据可靠性和可用性保证。但是，它确实减少了读取数据时使用的聚合网络带宽，因为一个数据块只放置在两个唯一的机架中，而不是三个。使用此策略时，文件的副本不会在机架上均匀分布。三分之一的副本位于一个节点上，三分之二的副本位于一个机架上，另外三分之一均匀分布在其余机架上。此策略可在不影响数据可靠性或读取性能的情况下提高写入性能。

副本节点选择
1. 第一个副本保证效率，所以存在客户端所处的节点上（如果客户端再集群中）。如果客户端不在集群中根本就不知道客户端再哪一个节点上，选择任何一个节点的效率都差不多，所以就随机选一个节点
2. 第二个副本保证可靠性，不和第一份节点存在同一个机架上，只要是另一个机架就行，随机选一个节点
3. 第三个副本又要保证效率，就随机存在第二个副本所在的机架的随机另一个节点就可以了
  
  存到同一个机架的效率比存到另一个机架效率更高

HDFS读数据流程

客户端先请求读数据，先创建DistributedFileSystem（分布式文件系统）向NameNode发送请求，请求下载文件。
NameNode先检查是否满足权限，再通过查找元数据，找到文件块所在的DataNode地址，返回该文件块的DataNode节点位置给客户端
客户端拿到DataNode节点地址后，创建FSDataInputStream输入数据流，之后向元数据中的DataNode发送请求，请求读入数据，也是分块拿。选择读取的DataNode顺序和写入一样。
节点收到请求，返回数据给客户端
如果前面的DataNode由于访问量过大，就可以先去访问其他DataNode节点。实际上还是串行不是并行
后面的节点接收到请求，响应数据给客户端

NameNode 和 SecondaryNameNode

NameNode 简称 NN 或 nn

SecondaryNamdeNode 简称 2NN 或 2nn

NN 和 2NN 工作机制

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。

总结：数据存在内存中。为了安全产生FsImage，为了更新FsImage引入Edits文件。通过FsImage和Edits的合并可以合成元数据。但避免恢复元数据效率慢，引入SecondaryNameNode来定期进行FsImage和Edits的合并。

第一阶段：NameNode启动

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，直接加载编辑日志和镜像文件到内存。
客户端对元数据进行增删改的请求。
NameNode 记录操作日志，更新滚动日志。
NameNode 在内存中对元数据进行增删改。

第二阶段：SecondaryNameNode工作

Secondary NameNode 询问 NameNode 是否需要 CheckPoint。直接带回 NameNode 是否检查结果。
Secondary NameNode 请求执行 CheckPoint。
NameNode 滚动正在写的 Edits 日志
将滚动前的编辑日志和镜像文件拷贝到 Secondary NameNode。
Secondary NameNode 加载编辑日志和镜像文件到内存，并合并。
生成新的镜像文件 fsimage.chkpoint。
拷贝 fsimage.chkpoint 到 NameNode。
NameNode 将 fsimage.chkpoint 重新命名成 fsimage。

FsImage 和 Edits 解析

NameNode被格式化之后，将在/usr/local/hadoop/data/dfs/name/current目录中产生如下文件

fsimage_0000000000000000000

fsimage_0000000000000000000.md5

seen_txid

VERSION

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。
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。
seentxid文件保存的是一个数字，就是最后一个edits的数字
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。

oiv 查看 FsImage 文件

基本语法

1	hdfs oiv -p 转换后的文件类型 -i 镜像文件 -o 转换后文件输出路径（即保存路径）

案例实操

再/usr/local/hadoop/data/dfs/name/current目录下：
1
hdfs oiv -p XML -i fsimage_0000000000000000125 -o /usr/local/hadoop/fsimage.xml
通过Xftp将文件传到Windows，将这个xml文件内容拷贝到IDEA中创建的xml文件中，并格式化（不格式化也能看懂，只是乱七八糟的不太好看）。

内容太多，就不粘贴了。在可以看出来里面执行了写什么操作。

思考：可以看出，Fsimage 中没有记录块所对应 DataNode，为什么？

在集群启动后，要求 DataNode 上报数据块信息，并间隔一段时间后再次上报。

oev 查看 Edits 文件

基本语法

1	hdfs oev -p 转换后的文件类型 -i 编辑日志 -o 转化后文件输出路径（保存地址）

案例实操
1
hdfs oev -p XML -i edits_inprogress_0000000000000000128 -o /usr/local/hadoop/edits.xml
看了xml之后得出结论， Edits是对文件做追加操作

思考：NameNode 如何确定下次开机启动的时候合并哪些 Edits？

合并大于127的因为：fsimage_0000000000000000127，最后的fsimage是127的。

所以下一次就是合并：edits_inprogress_0000000000000000128，其他的edits已经合并过了

edits_inprogress_0000000000000000128这个就是现在最新的操作数据。唯一比SecondaryNameNode多的文件

CheckPoint 时间设置

通常情况下，SecondaryNameNode 每隔一小时执行一次。

因为：hdfs-defaule.xml中：(一般都不会配置这个，所以通常就是3600s)
1
2
3
4
<property>
<name>dfs.namenode.checkpoint.period</name>
<value>3600s</value>
</property>
可以看出来，除了关闭服务器之外，两次备份实际上就是间隔3600s也就是1h。
一分钟检查一次操作次数，当操作次数达到1百万是，SecondaryNameNode执行一次（我们数据量没有那么大）

hdfs-defaule.xml中：
1
2
3
4
<property>
<name>dfs.namenode.checkpoint.txns</name>
<value>1000000</value>
</property>
DataNode
DataNode 工作机制

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。
DataNode 启动后向 NameNode 注册，通过后，周期性（6 小时）地向 NameNode 上报所有的块信息。

配置在hdfs-default.xml中：

DN 扫描自己节点块信息列表的时间，默认 6 小时
1
2
3
4
<property>
<name>dfs.datanode.directoryscan.interval</name>
<value>21600s</value>
</property>
DN 向 NN 汇报当前解读信息的时间间隔，默认 6 小时；
1
2
3
4
<property>
<name>dfs.blockreport.intervalMsec</name>
<value>21600000</value>
</property>
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 NameNode 认为该节点已不可用。

心跳主要是为了证明还存活，周期性的交互（不会像第2步那样传那么多信息）
集群运行中可以安全加入和退出一些机器。

数据完整性

思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0），但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理 DataNode 节点上的数据损坏了，却没有发现，是否也很危险，那么如何解决呢？

DataNode保证数据完整性的方法：

当 DataNode 读取 Block 的时候，它会计算 CheckSum。
如果计算后的 CheckSum，与 Block 创建时值不一样，说明 Block 已经损坏。
Client 读取其他 DataNode 上的 Block。
常见的校验算法 crc（32），md5（128），sha1（160） —— 都是些加密算法，原理是先保存数据，然后加密发过去，之后再解密看看数据是不是一样。数据不一样就是第2步
DataNode 在其文件创建后周期验证 CheckSum。

掉线时限参数有关设置

需要注意的是 hdfs-site.xml 配置文件中的 heartbeat.recheck.interval （超时时长）的单位为毫秒， dfs.heartbeat.interval （心跳间隔时间）的单位为秒。

<property>
    <name>dfs.namenode.heartbeat.recheck-interval</name>
    <value>300000</value>
</property>
<property>
    <name>dfs.heartbeat.interval</name>
    <value>3</value>
</property>

总结

HDFS文件块大小（面试重点）
- 硬盘读写速度
- 在企业中一般128m（中小公司） 256m （大公司）
HDFS的Shell操作（开发重点）

熟悉相关命令就行，不然开发速度不够
HDFS的读写流程（面试重点）
NN和2NN、DataNode有关东西了解就好

概述

定义

优缺点

优点

缺点

组成架构

HDFS文件块大小

HDFS的Shell操作

基本语法

命令大全

常用命令实操

1、准备工作

2、上传

-moveFromLocal

-copyFromLocal

-put

-appendToFile

3、下载

-copyToLocal

-get

4、HDFS直接操作（Linux上也有的命令）

-ls：

-cat：

-chmod

-mkdir

-cp

-mv

-tail

-rm

-rm -r

-du

-setrep

HDFS的API操作

配置环境变量

在IDEA中做准备工作

参数优先级

进行HDFS的API操作

上传

下载

直接操作

文件删除

文件的更名和移动

获取文件详情查看

文件和文件夹判断

HDFS的读写流程（面试重点）

HDFS写数据流程

剖析文件写入

网络拓扑——节点距离计算

机架感知——副本存储节点选择

HDFS读数据流程

NameNode 和 SecondaryNameNode

NN 和 2NN 工作机制

第一阶段：NameNode启动

第二阶段：SecondaryNameNode工作

FsImage 和 Edits 解析

oiv 查看 FsImage 文件

oev 查看 Edits 文件

CheckPoint 时间设置

DataNode

DataNode 工作机制

数据完整性

掉线时限参数有关设置

总结

`-moveFromLocal`

`-copyFromLocal`

`-put`

`-appendToFile`

`-copyToLocal`

`-get`

`-ls`：

`-cat`：

`-chmod`

`-mkdir`

`-cp`

`-mv`

`-tail`

`-rm`

`-rm -r`

`-du`

`-setrep`