Hadoop节点的分类与作用

news2024/9/19 21:42:39

文件的数据类型

文件有一个stat命令

元数据信息-->描述文件的属性

文件有一个vim命令

查看文件的数据信息

分类

元数据

File	文件名
Size	文件大小（字节） 
Blocks		文件使用的数据块总数 
IO Block		数据块的大小
regular file：文件类型（常规文件） 
Device 设备编号
Inode 文件所在的Inode 
Links 硬链接次数 
Access 权限
Uid 属主id/用户
Gid 属组id/组名
Access Time：简写为atime，表示文件的访问时间。当文件内容被访问时，更新这个时间
Modify Time：简写为mtime，表示文件内容的修改时间，当文件的数据内容被修改时，更新这个时间。
Change Time：简写为ctime，表示文件的状态时间，当文件的状态被修改时，更新这个时间，例如文件的链接数，大小，权限，Blocks数。

文件数据

真实存在于文件中的数据

NameNode(NN)

功能#

接受客户端的读写服务

NameNode存放文件与Block的映射关系

DataNode存放Block与DataNode的映射关系

保存文件的元数据信息

文件的归属

文件的权限

文件的大小时间

lock信息，但是block的位置信息不会持久化,需要每次开启集群的时候DN上报

收集Block的信息

系统启动时

NN关机的时候是不会存储任意的Block与DN的映射信息

DN启动的时候，会将自己节点上存储的Block信息汇报给NN

NN接受请求之后重新生成映射关系

Block--DN3

如果某个数据块的副本数小于设置数，那么NN会将这个副本拷贝到其他节点

集群运行中

NN与DN保持心跳机制,三秒钟发送一次

<property>
	<description>Determines datanode heartbeat interval in seconds.</description>
	<name>dfs.heartbeat.interval</name>
	<value>3</value></property><property>
	<name>heartbeat.recheck.interval</name>
	<value>300000</value></property>

如果客户端需要读取或者上传数据的时候，NN可以知道DN的健康情况

可以让客户端读取存活的DN节点

如果DN超过三秒没有心跳，就认为DN出现异常

-	不会让新的数据读写到DataNode
-	客户访问的时候不提供异常结点的地址

如果DN超过10分钟+30秒没有心跳，那么NN会将当前DN存储的数据转存到其他节点

超时时长的计算公式为：

timeout = 2 * heartbeat.recheck.interval + 10 * dfs.heartbeat.interval。

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

性能#

NameNode为了效率，将所有的操作都在内存中完成

NameNode不会和磁盘进行任何的数据交换

问题:

数据的持久化

数据保存在内存中，掉电易失

DataNode(DN)

功能#

存放的是文件的数据信息和验证文件完整性的校验信息

数据会存放在硬盘上

1m=1条元数据 1G=1条元数据

NameNode非常排斥存储小文件，一般小文件在存储之前需要进行压缩

汇报

启动时

汇报之前先验证Block文件是否被损坏

向NN汇报当前DN上block的信息

运行中

向NN保持心跳机制

客户可以向DN读写数据

当客户端读写数据的时候，首先去NN查询file与block与dn的映射

然后客户端直接与dn建立连接，然后读写数据

SecondaryNameNode

传统解决方案#

日志机制

做任何操作之前先记录日志

当NN下次启动的时候，只需要重新按照以前的日志“重做”一遍即可缺点

缺点

edits文件大小不可控，随着时间的发展，集群启动的时间会越来越长

有可能日志中存在大量的无效日志

优点

绝对不会丢失数据

拍摄快照

我们可以将内存中的数据写出到硬盘上

序列化

启动时还可以将硬盘上的数据写回到内存中

反序列化

缺点

关机时间过长

如果是异常关机，数据还在内存中，没法写入到硬盘

如果写出频率过高，导致内存使用效率低（stop the world） JVM

优点

启动时间较短

SNN解决方案#

解决思路（日志edits+快照fsimage）

让日志大小可控

定时快照保存

NameNode文件目录

解决方案

当我们启动一个集群的时候，会产生四个文件

edits_0000000000000000001

fsimage_00000000000000000

seen_txid

VERSION

我们每次操作都会记录日志 -->edits_inprogress-000000001

随和时间的推移，日志文件会越来越大，当达到阈值的时候（64M 或 3600秒）

dfs.namenode.checkpoint.period	每隔多久做一次checkpoint ，默认3600s
dfs.namenode.checkpoint.txns	每隔多少操作次数做一次checkpoint，默认1000000次
fs.namenode.checkpoint.check.period	每个多久检查一次操作次数，默认60s

会生成新的日志文件