分布式文件系统

分布式文件系统把文件分布存储到多个计算机节点上，通过网络实现文件在多台主机上进行分布式存储的文件系统。

分布式文件系统有两大模式：

• Remote Access Model: 非本地文件不会复制到本地，所以对非本地文件的读取和修改，利用RPC进行。
• Upload/ Download Model：所有非本地文件无论在读取还是修改，都首先会复制到本地。如果在本地进行了修改，则会在关闭了本地的文件后，更新服务器的文件。

计算机集群结构

目前的分布式文件系统所采用的计算机集群，都是由普通硬件构成的，大大降低了硬件上的开销。

分布式文件系统的结构

分布式文件系统在物理结构上是由计算机集群中的多个节点构成的，这些节点分为两类：
一类叫**“主节点”(Master Node)或者也被称为“名称结点”(NameNode)**
另一类叫**“从节点”（Slave Node）或者也被称为“数据节点”(DataNode)**

分布式文件系统的设计需求

设计目标：透明性、并发控制、可伸缩性、容错及安全需求等。

透明性：

• 包括访问透明性、位置透明性、性能和伸缩透明性
• 访问透明性：用户不需要专门区分哪些是本地文件，哪些是远程文件。用户能够通过相同的操作来访问本地和远程文件资源。
• 位置透明性：不改变路径名的前提下，不管文件副本数量和实际存储位置发生何种变化，对用户而言都是透明的。
• 性能和伸缩透明性：系统中节点的增加和减少以及性能的变化对用户而言是透明的，用户感觉不到什么时候节点加入或退出。
• HDFS 只能提供一定程度的访问透明性，完全的位置透明性、性能和伸缩透明性，HDFS提供的访问的透明性是不完全的。
  

HDFS简介

HDFS要实现以下目标：

• 兼容廉价的硬件设备
• 流数据访问：一次写入、多次读取
• 大数据集
• 简单的文件模型
• 强大的跨平台兼容性

与之俱来的局限性：

• 不适合低延迟数据访问：几十ms范围的，HDFS以数据以数据呑吐量为目标，可能会提高时间的延迟。
• 无法高效存储大量小文件：namenode将文件系统的元数据保存在内存中，因此文件系统存储的文件总数有限。
• 不支持多用户写入及任意修改文件

HDFS相关概念

块

• 数据磁盘读写的最小单位是块。
• 一个文件被分成多个块，以块作为存储单位。
• 块的大小远远大于普通文件系统，可以最小化寻址开销。
• HDFS默认一个块64MB(1.0)、128M(2.X)。
• 磁盘传输速率为200MB/s时，一般设定block大小为256MB。
• 磁盘传输速率为400MB/s时，一般设定block大小为512MB。

HDFS采用抽象的块概念可以带来以下几个明显的好处：

• 支持大规模文件存储：文件以块为单位进行存储，一个大规模文件可以被分拆成若干个文件块，不同的文件块可以被分发到不同的节点上。
• 简化系统设计：
  首先，大大简化了存储管理，因为文件块大小是固定的，这样就可以很容易计算出一个节点可以存储多少文件块；
  其次，方便了元数据的管理，元数据不需要和文件块一起存储，可以由其他系统负责管理元数据。
• 适合数据备份：每个文件块都可以冗余存储到多个节点上，大大提高了系统的容错性和可用性。

HDFS总体框架

HDFS Client、NameNode、DataNode、Secondary NameNode

HDFS Client

• 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，然后进行存储
• 与 NameNode 交互，获取文件的位置信息
• 与 DataNode 交互，读取或者写入数据
• Client 提供一些命令来管理 HDFS，比如启动或者关闭HDFS
• Client 可以通过一些命令来访问 HDFS

名称节点和数据节点

HDFS集群中有两类节点，管理节点-工作节点模式。
一个Namenode，多个Datanode。

• NameNode
  master，一个管理者，不实际存储数据
  管理 HDFS 的名称空间，维护着文件系统树以及整个树的所有文件和目录(fsimage+edits)
  管理数据块（Block）映射信息
  配置副本策略
  处理客户端读写请求
• DataNode
  Slave，NameNode 下达命令，DataNode 执行实际的操作
  存储实际的数据块
  执行数据块的读/写操作

名称节点

• Namenode管理文件系统的命名空间，维护文件系统树及树内所有的文件和目录。这些信息以两个文件形式永久保存在本地磁盘，FsImage镜像文件，EditLog日志文件。
• Namenode也记录每个文件中各个块所在的数据节点信息，但并不永久保存块的位置信息，这些信息会在系统启动时根据数据节点信息重建。
  
• NameNode在内存中保存着整个文件系统的名称空间和文件数据块的地址映射。
• 整个HDFS可存储的文件数受限于NameNode的内存大小。
• NameNode元数据信息：
  文件名，文件目录结构，文件属性（生成时间，副本数，权限）每个文件的快列表。
  以及列表中的块与块所在的DataNode之间的地址映射关系，在内存中加载文件系统中
  每个文件和每个数据块的引用关系数据会定期保存到本地磁盘（fsimage文件和edits文件）
• 元数据是Namenode进行管理的信息
  维护HDFS中文件和目录的信息，包括文件名、目录名、父目录信息、文件大小、创建时间、修改时间等。
  文件内容，文件分块信息、副本个数、副本所在的位置等。
  Datanode的所有信息。

NameNode文件操作
NameNode负责文件元数据的操作，DataNode负责处理文件内容的读写请求，数据流不经过NameNode，会询问它与哪个DataNode联系

NameNode副本
文件数据块到底存放到哪些DataNode上，是由NameNode决定，NameNode根据全局情况做出放置副本的决定。

NameNode心跳机制

• 全权管理数据块的复制，周期性的接受心跳和块的状态报告信息（包含该DataNode上所有数据块的列表）。
• 若接受到心跳信息，NameNode认为DataNode工作正常，如果在10分钟后还接受不到DataNode的心跳，那么NameNode认为DataNode已经宕机，这个时候NameNode准备把DataNode上的数据块进行重新的复制。
• 块的状态报告包含了一个DataNode所有数据块的列表，blocks report每个1个小时发送一次。

FsImage和Editblog
每个文件和每个数据块的引用关系数据会定期保存到本地磁盘（fsimage文件和edits文件）

FsImage文件

• FsImage文件包含文件系统中所有目录和文件inode的序列化形式。每个inode是一个文件或目录的元数据的内部表示，并包含此类信息：文件的复制等级、修改和访问时间、访问权限、块大小以及组成文件的块。对于目录，则存储修改时间、权限和配额元数据。
• FsImage文件没有记录每个块存储在哪个数据节点。而是由名称节点把这些映射信息保留在内存中，当数据节点加入HDFS集群时，数据节点会把自己所包含的块列表告知给名称节点，此后会定期执行这种告知操作，以确保名称节点的块映射是最新的。

名称节点的启动

• 在Namenode启动的时候，它会将FsImage文件中的内容加载到内存中，之后再执行EditLog文件中的各项操作，使得内存中的元数据和实际的同步，存在内存中的元数据支持客户端的读操作。
• 一旦在内存中成功建立文件系统元数据的映射，则创建一个新的FsImage文件和一个空的EditLog文件。
• 名称节点起来之后，HDFS中的更新操作会重新写到EditLog文件中，因为FsImage文件一般都很大（GB级别的很常见），如果所有的更新操作都往FsImage文件中添加，这样会导致系统运行的十分缓慢，但是，如果往EditLog文件里面写就不会这样，因为EditLog 要小很多。每次执行写操作之后，且在向客户端发送成功代码之前，Edits文件都需要同步更新。

名称节点的容错
Namenode的容错非常重要，Hadoop提供了两种机制：

• 第一种方式是将持久化存储在本地硬盘的文件系统元数据备份。hadoop可以通过配置来让Namenode将他的持久化状态文件写到不同的文件系统中。这种写操作是同步并且是原子化的。比较常见的配置是在将持久化状态写到本地硬盘的同时，也写入到一个远程挂载的网络文件系统。
• 第二种方式是运行一个辅助的Namenode(Secondary Namenode)。 事实上Secondary Namenode并不能被用作Namenode，它的主要作用是定期的将Namespace镜像与操作日志文件(edit log)合并，以防止操作日志文件(edit log)变得过大。通常，Secondary Namenode运行在一个单独的物理机上，因为合并操作需要占用大量的CPU时间以及和Namenode相当的内存。辅助Namenode保存着合并后的Namespace镜像的一个备份，万一哪天Namenode宕机了，这个备份就可以用上了。

数据节点

• 数据节点是分布式文件系统HDFS的工作节点，负责数据的存储和读取，会根据客户端或者是名称节点的调度来进行数据的存储和检索，并且向名称节点定期发送自己所存储的块的列表
• 每个数据节点中的数据会被保存在各自节点的本地Linux文件系统中
• 如果没有namenode，文件系统将无法使用。
• 事实上，如果运行namenode的机器毁坏，文件系统上的所有文件将会丢失，因为不知道如何根据datanode重建文件。

DataNode的功能

• DataNode以数据块的形式存储HDFS文件
• DataNode响应HDFS客户端读写请求
• DataNode周期性向NameNode汇报心跳信息
• DataNode周期性向NameNode汇报数据块信息
• DataNode周期性向NameNode汇报缓存数据块信息

第二名称节点

问题引入：
在名称节点运行期间，HDFS的所有更新操作都是直接写到EditLog中，久而久之， EditLog文件将会变得很大。
虽然这对名称节点运行时候是没有什么明显影响的，但是，当名称节点重启的时候，名称节点需要先将FsImage里面的所有内容映像到内存中，然后再一条一条地执行EditLog中的记录，当EditLog文件非常大的时候，会导致名称节点启动操作非常慢，而在这段时间内HDFS系统处于安全模式，一直无法对外提供写操作，影响了用户的使用。

解决方案：
第二名称节点是HDFS架构中的一个组成部分，它是用来保存名称节点中对HDFS 元数据信息的备份，并减少名称节点重启的时间。
SecondaryNameNode一般是单独运行在一台机器上。

SecondaryNameNode的功能：

• 辅助NameNode，分担其工作量
• 定期合并fsimage和edits，并推送给NameNode，紧急情况下，可辅助恢复NameNode

SecondaryNameNode的工作情况:

• SecondaryNameNode会定期和NameNode通信，请求其停止使用EditLog文件，暂时将新的写操作写到一个新的文件edit.new上来，这个操作是瞬间完成，上层写日志的函数完全感觉不到差别。
• SecondaryNameNode通过HTTP GET方式从NameNode上获取到FsImage和EditLog文件，并下载到本地的相应目录下。
• SecondaryNameNode将下载下来的FsImage载入到内存，然后一条一条地执行EditLog文件中的各项更新操作，使得内存中的FsImage保持最新，这个过程就是EditLog和FsImage文件合并。
• SecondaryNameNode执行完上一步操作之后，会通过post方式将新的FsImage文件发送到NameNode节点上。
• NameNode将从SecondaryNameNode接收到的新的FsImage替换旧的FsImage文件，同时将edit.new替换EditLog文件，通过这个过程EditLog就变小了。
  

注：Fsimage和edits合并

• Fsimage文件包含整个文件系统所有的文件和目录，是文件系统元数据的持久化检查点，当NameNode重启后都需载入fsimage进入内存，恢复到某个检查点，再执行检查点后的编辑日志，进行重建。
• edits是编辑日志文件，记录检查点后所有文件等信息的改动

HDFS存在的问题

• NameNode单点故障，难以应用于在线场景
• NameNode压力过大，且内存受限，影响系统扩展性
  其实上述两个问题在分布式开发中普遍存在，集群环境中，写入写出的namenode节点较少，压力普遍存在，尤其是当这个namenode节点只有一个时，一旦发生故障，就算是立即重启也需要较长时间，那么这一段时间内系统无法工作；而且，单个namenode节点内存有限，使得datenode无法扩展。

解决单点故障
HDFS HA：通过主备NameNode解决，如果主NameNode发生故障，则切换到备NameNode上
解决内存受限问题
HDFS Federation(联邦机制)、HA，2.x 支持2个节点的HA，3.0实现了一主多从
①水平扩展，支持多个NameNode；
②每个NameNode分管一部分目录；
③所有NameNode共享所有DataNode存储资源

HDFS体系结构

HDFS体系结构概述

HDFS采用了主从（Master/Slave）结构模型，一个HDFS集群包括一个名称节点（NameNode）和若干个数据节点（DataNode）。
名称节点作为中心服务器，负责管理文件系统的命名空间及客户端对文件的访问。
集群中的数据节点一般是一个节点运行一个数据节点进程，负责处理文件系统客户端的读/写请求，在名称节点的统一调度下进行数据块的创建、删除和复制等操作。每个数据节点的数据实际上是保存在本地Linux文件系统中。

HDFS命名空间管理

• HDFS的命名空间包含目录、文件和块
• 在HDFS1.0体系结构中，在整个HDFS集群中只有一个命名空间，并且只有唯一的名称节点，该节点负责对这个命名空间进行管理
• HDFS使用的是传统的分级文件体系，因此，用户可以像使用普通文件系统一样，创建、删除目录和文件，在目录间转移文件，重命名文件等

通信协议

• 所有的HDFS通信协议都是构建在TCP/IP协议基础之上的。
• Hadoop在实现时抛弃了JDK自带的RPC实现—RMI，基于IPC模型实现了一个更高效的轻量级RPC。
• RPC 是远程过程调用(Remote Procedure Call)，即远程调用其他虚拟机中运行的 java object，RPC 是一种客户端/服务器模式。使用时包括服务端代码和客户端代码，还有我们调用的远程过程对象。
  客户端使用客户端协议与名称节点进行交互
  客户端通过一个可配置的端口向名称节点主动发起TCP连接
  名称节点和数据节点之间则使用数据节点协议进行交互
  客户端与数据节点的交互是通过RPC（Remote Procedure Call）来实现的。在设计上，名称节点不会主动发起RPC，而是响应来自客户端和数据节点的RPC请求

HDFS通信协议分为两种：

• Hadoop RPC接口：主要负责连接的管理、节点的管理以及数据的管理，
• 流式接口：主要是数据的读写传输。
  不同于流式接口，Hadoop RPC接口是基于protobuf实现的，protobuf是google的一种数据格式。

Hadoop RPC接口主要包括：

• ClientProtocol
• ClientDatanodeProtocol
• DatanodeProtocol
• InterDatanodeProtocol
• NamenodeProtocol
  这几个接口是节点间的主要通信接口。
  此外，还包括其他的一些涉及安全、HA的接口。

DatanodeProtocol接口：

• datanode和namenode通信的接口。
• 这个接口非常重要，包括datanode启动、注册、心跳应答、数据块读写相关方法。
  心跳相关的方法主要是sendHeartbeat()，心跳是默认3秒钟一次。
  数据块读写相关的方法，负责管理数据块，比如出现无效的数据块或者写数据过程中节点故障数据没写完等等：
  reportBadBlocks()
  blockReceivedAndDeleted()
  commitBlockSynchronization()
• 启动相关的方法主要是四个：
  versionRequest()：确认namenode和datanode的版本信息是否一致，如果一直，则建立连接
  registerDatanode()：注册这个datanode节点的，注册了之后namenode中才会有这个节点相关的信息
  blockReport()
  cacheReport()
  通过这四步，datanode就成功启动加入集群了。
• InterDatanodeProtocol接口
  datanode之间相互通信的接口，副本通过datanode之间的通信来实现复制，而不是通过namenode同时将文件数据写到三个副本中

ClientDatanodeProtocol协议
客户端进程与Datanode进程之间进行通信所使用的协议

DatanodeProtocol协议
当Datanode进程需要与NameNode进程进行通信是需要基于此协议，例如发送心跳报告和块状态报告

InterDatanodeProtocol协议
是Datanode进程之间进行通信的协议，例如客户端进程启动复制数据块，此时可能需要在Datanode结点之间进行块副本的流水线复制操作。

客户端

客户端是用户操作HDFS最常用的方式，HDFS在部署时都提供了客户端
HDFS客户端是一个库，暴露了HDFS文件系统接口，这些接口隐藏了HDFS实现中的大部分复杂性
严格来说，客户端并不算是HDFS的一部分
客户端可以支持打开、读取、写入等常见的操作，并且提供了类似Shell的命令行方式来访问HDFS中的数据
此外，HDFS也提供了Java API，作为应用程序访问文件系统的客户端编程接口

HDFS体系结构的局限性

HDFS只设置唯一一个名称节点，这样做虽然大大简化了系统设计，但也带来了一些明显的局限性，具体如下：
（1）命名空间的限制：名称节点是保存在内存中的，因此，名称节点能够容纳的对象（文件、块）的个数会受到内存空间大小的限制。
（2）性能的瓶颈：整个分布式文件系统的吞吐量，受限于单个名称节点的吞吐量。
（3）隔离问题：由于集群中只有一个名称节点，只有一个命名空间，因此，无法对不同应用程序进行隔离。
（4）集群的可用性：一旦这个唯一的名称节点发生故障，会导致整个集群变得不可用。

HDFS存储原理

冗余数据保存

作为一个分布式文件系统，为了保证系统的容错性和可用性，HDFS采用了多副本方式对数据进行冗余存储，通常一个数据块的多个副本会被分布到不同的数据节点上，这种多副本方式具有以下几个优点：
（1）加快数据传输速度
（2）容易检查数据错误
（3）保证数据可靠性

数据存取策略

数据存放

第一个副本：放置在上传文件的数据节点；如果是集群外提交，则随机挑选一台磁盘不太满、CPU不太忙的节点
第二个副本：放置在与第一个副本不同的机架的节点上
第三个副本：与第一个副本相同机架的其他节点上
更多副本：随机节点

数据读取

• HDFS提供了一个API可以确定一个数据节点所属的机架ID，客户端也可以调用API获取自己所属的机架ID
• 当客户端读取数据时，从名称节点获得数据块不同副本的存放位置列表，列表中包含了副本所在的数据节点，可以调用API来确定客户端和这些数据节点所属的机架ID，当发现某个数据块副本对应的机架ID和客户端对应的机架ID相同时，就优先选择该副本读取数据，如果没有发现，就随机选择一个副本读取数据

数据错误与恢复

HDFS具有较高的容错性，可以兼容廉价的硬件，它把硬件出错看作一种常态，而不是异常，并设计了相应的机制检测数据错误和进行自动恢复，主要包括以下几种情形：名称节点出错、数据节点出错和数据出错。

名称节点出错

名称节点保存了所有的元数据信息，其中，最核心的两大数据结构是FsImage和Editlog，如果这两个文件发生损坏，那么整个HDFS实例将失效。因此，HDFS设置了备份机制，把这些核心文件同步复制到备份服务器SecondaryNameNode上。当名称节点出错时，就可以根据备份服务器SecondaryNameNode中的FsImage和Editlog数据进行恢复。

数据节点出错

• 每个数据节点会定期向名称节点发送“心跳”信息，向名称节点报告自己的状态
• 当数据节点发生故障，或者网络发生断网时，名称节点就无法收到来自一些数据节点的心跳信息，这时，这些数据节点就会被标记为“宕机”，节点上面的所有数据都会被标记为“不可读”，名称节点不会再给它们发送任何I/O请求
• 这时，有可能出现一种情形，即由于一些数据节点的不可用，会导致一些数据块的副本数量小于冗余因子
• 名称节点会定期检查这种情况，一旦发现某个数据块的副本数量小于冗余因子，就会启动数据冗余复制，为它生成新的副本
• HDFS和其它分布式文件系统的最大区别就是可以调整冗余数据的位置

数据出错

• 网络传输和磁盘错误等因素，都会造成数据错误
• 客户端在读取到数据后，会采用md5和sha1对数据块进行校验，以确定读取到正确的数据
• 在文件被创建时，客户端就会对每一个文件块进行信息摘录，并把这些信息写入到同一个路径的隐藏文件里面
• 当客户端读取文件的时候，会先读取该信息文件，然后，利用该信息文件对每个读取的数据块进行校验，如果校验出错，客户端就会请求到另外一个数据节点读取该文件块，并且向名称节点报告这个文件块有错误，名称节点会定期检查并且重新复制这个块

HDFS数据读写过程

• FileSystem是一个通用文件系统的抽象基类，可以被分布式文件系统继承，所有可能使用Hadoop文件系统的代码，都要使用这个类。
• Hadoop为FileSystem这个抽象类提供了多种具体实现
• DistributedFileSystem就是FileSystem在HDFS文件系统中的具体实现
• FileSystem的open()方法返回的是一个文件输入流FSDataInputStream对象，在HDFS文件系统中，具体的输入流就是DFSInputStream。
• 到达块的末端时，DFSInputStream关闭与datanode的连接，然后寻找下一个块的最佳datanode。Namenode告诉客户端每个块所在的最佳datanode。
• FileSystem中的create()方法返回的是一个输出流FSDataOutputStream对象，在HDFS文件系统中，具体的输出流就是DFSOutputStream。
• DistributedFileSystem调用Create()方法新建文件，对namenode创建一个RPC调用，在系统的命名空间新建一个文件，datanode中还没有数据块，namenode进行验证，如果通过，创建记录，否则抛出异常。
• 成功返回FSDataOutputStream，开始写入数据，同样， FSDataOutputStream封装了DFSOutputStream对象，负责datanode与namenode的通信。
• 将数据分成一个个数据包，写入内部队列（data queue）。DataStreamer处理数据队列，挑选适合存储数据的一组datanode，并要求namenode分配新的数据块。
• 同时，DFSOutputStream维护一个确认队列。

读数据过程

写数据过程

HDFS编程实践

HDFS常用命令

HDFS有很多shell命令，其中，fs命令可以说是HDFS最常用的命令利用该命令可以查看HDFS文件系统的目录结构、上传和下载数据、
创建文件等。
Hadoop中有三种Shell命令方式：

• hadoop fs适用于任何不同的文件系统，比如本地文件系统和HDFS文件系统
• hadoop dfs只能适用于HDFS文件系统
• hdfs dfs跟hadoop dfs的命令作用一样，也只能适用于HDFS文件系统