Hadoop生态圈笔记要点.docxVIP

Hadoop：分布式基础架构 Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。 Hdfs：hadoop分布式文件系统 故障的检测和自动快速恢复，节点自检，数据恢复，保存多个副本，且提供容错机制，副本丢失或宕机自动恢复，默认存3份。HDFS默认会将文件分割成block，64M为1个block。 NameNote名称节点 DataNote数据节点 简介： 如上图所示，HDFS也是按照Master和Slave的结构。分NameNode、SecondaryNameNode、DataNode这几个角色。 NameNode：是Master节点，是大领导。管理数据块映射；处理客户端的读写请求；配置副本策略；管理HDFS的名称空间； SecondaryNameNode：是一个小弟，分担大哥namenode的工作量；是NameNode的冷备份；合并fsimage和fsedits然后再发给namenode。 DataNode：Slave节点，奴隶，干活的。负责存储client发来的数据块block；执行数据块的读写操作。 热备份：b是a的热备份，如果a坏掉。那么b马上运行代替a的工作。 冷备份：b是a的冷备份，如果a坏掉。那么b不能马上代替a工作。但是b上存储a的一些信息，减少a坏掉之后的损失。 fsimage:元数据镜像文件（文件系统的目录树。） edits：元数据的操作日志（针对文件系统做的修改操作记录） namenode内存中存储的是=fsimage+edits。 SecondaryNameNode负责定时默认1小时，从namenode上，获取fsimage和edits来进行合并，然后再发送给namenode。减少namenode的工作量。 工作原理 写操作： 有一个文件FileA，100M大小。Client将FileA写入到HDFS上。 HDFS按默认配置。 HDFS分布在三个机架上Rack1，Rack2，Rack3。 ? a. Client将FileA按64M分块。分成两块，block1和Block2; b. Client向nameNode发送写数据请求，如图蓝色虚线①------。 c. NameNode节点，记录block信息。并返回可用的DataNode，如粉色虚线②---------。 ??? Block1: host2,host1,host3 ??? Block2: host7,host8,host4 ??? 原理： ??????? NameNode具有RackAware机架感知功能，这个可以配置。 ??????? 若client为DataNode节点，那存储block时，规则为：副本1，同client的节点上；副本2，不同机架节点上；副本3，同第二个副本机架的另一个节点上；其他副本随机挑选。 ??????? 若client不为DataNode节点，那存储block时，规则为：副本1，随机选择一个节点上；副本2，不同副本1，机架上；副本3，同副本2相同的另一个节点上；其他副本随机挑选。 d. client向DataNode发送block1；发送过程是以流式写入。 ? ? 流式写入过程， ? ? ? ? 1将64M的block1按64k的package划分; ? ? ? ? 2然后将第一个package发送给host2; ? ? ? ? 3host2接收完后，将第一个package发送给host1，同时client想host2发送第二个package； ? ? ? ? 4host1接收完第一个package后，发送给host3，同时接收host2发来的第二个package。 ? ? ? ? 5以此类推，如图红线实线所示，直到将block1发送完毕。 ? ? ? ? 6host2,host1,host3向NameNode，host2向Client发送通知，说“消息发送完了”。如图粉红颜色实线所示。 ? ? ? ? 7client收到host2发来的消息后，向namenode发送消息，说我写完了。这样就真完成了。如图黄色粗实线 ? ? ? ? 8发送完block1后，再向host7，host8，host4发送block2，如图蓝色实线所示。 ? ? ? ? 9发送完block2后，host7,host8,host4向NameNode，host7向Client发送通知，如图浅绿色实线所示。 ? ? ? ? 10client向NameNode发送消息，说我写完了，如图黄色粗实线。。。这样就完毕了。 分析，通过写过程，我们可以了解到： ? ? ①写1T文件，我们需要3T的存储，3T的网络流量贷款。 ? ? ②在执行读或写的过程中，NameNode