版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
HDFS產(chǎn)生背景數(shù)據(jù)量巨大隨著數(shù)據(jù)量越來越大,在一個操作系統(tǒng)管轄的范圍存不下了,那么就分配到更多的操作系統(tǒng)管理的磁盤中,但是不方便管理和維護,迫切需要一種系統(tǒng)來管理多臺機器上的文件,這就是分布式文件管理系統(tǒng)。分布式文件系統(tǒng)分布式文件系統(tǒng)是一種允許文件通過網(wǎng)絡(luò)在多臺主機上分享的文件的系統(tǒng),可讓多機器上的多用戶分享文件和存儲空間。分布式文件管理系統(tǒng)很多,hdfsHDFS只是其中一種。適用于一次寫入、多次查詢的情況,不支持并發(fā)寫情況,小文件不合適。因為小文件也占用一個塊,小文件越多(1000個1k文件)塊越多,NameNode壓力越大。海量數(shù)據(jù)元化數(shù)據(jù)塊磁盤塊磁盤塊磁盤塊磁盤塊標記后什么是HDFS
HDFS是Hadoop使用的標準存儲系統(tǒng),是基于網(wǎng)絡(luò)環(huán)境下的分布式文件系統(tǒng)。它是基于流數(shù)據(jù)模式訪問和處理超大文件的需求開發(fā)的,可以運行于廉價的商用服務(wù)器上。實際上,這并不是什么新穎的事情,80年代左右就已經(jīng)有人這么去實現(xiàn)了。基于流數(shù)據(jù)模式訪問高容錯、高吞吐
它所具有的高容錯、高可靠性、高可擴展性、高獲得性、高吞吐率等特征為海量數(shù)據(jù)提供了不怕故障的存儲,為超大數(shù)據(jù)集(LargeDataSet)的應(yīng)用處理帶來了很多便利。數(shù)據(jù)分塊,多副本
存儲在HDFS上的數(shù)據(jù)文件首先進行分塊,每個分塊創(chuàng)建多個副本,并存儲在集群的不同節(jié)點上,HadoopMapReduce程序可以在所有節(jié)點上處理這些數(shù)據(jù)。HDFS特點HDFS設(shè)計目標大文件存儲:支持TB-PB級的數(shù)據(jù)量高容錯:運行在商業(yè)硬件上,而商業(yè)硬件并不可靠高吞吐量:為大量數(shù)據(jù)訪問的應(yīng)用提供高吞吐量支持簡單一致性模型(一次寫,多次讀)大規(guī)模數(shù)據(jù)集
典型文件大小GB-TB級別關(guān)注橫向現(xiàn)行擴展流式數(shù)據(jù)訪問批量讀而非隨機讀關(guān)注吞吐量而非相應(yīng)時間
適應(yīng)場景大文件訪問流式數(shù)據(jù)訪問不適合的場景存儲大量小文件隨機讀取,低延遲讀取硬件錯誤是常態(tài)副本冗余機制HDFS設(shè)計理念HDFS特點高容錯性數(shù)據(jù)自動保存多個副本。某一個副本丟失以后,它可以自動恢復(fù)HDFS內(nèi)部機制實現(xiàn)的適合批處理通過移動計算而不是移動數(shù)據(jù)。會把數(shù)據(jù)位置暴露給計算框架。適合大數(shù)據(jù)處理處理數(shù)據(jù)達到GB、TB、甚至PB級別的數(shù)據(jù)。能夠處理百萬規(guī)模以上的文件數(shù)量,數(shù)量相當之大。能夠處理10K節(jié)點的規(guī)模。它能保證數(shù)據(jù)的一致性。不適合低延時數(shù)據(jù)訪問場景比如毫秒級以內(nèi)讀取數(shù)據(jù),對HDFS存儲來說很難做到的。不適合存儲大量小文件占用NameNode大量的內(nèi)存來存儲文件、目錄和塊信息違反HDFS的設(shè)計目標。不支持并發(fā)寫入文件只能有一個寫,不允許多個線程同時寫。不支持隨機修改文件僅支持數(shù)據(jù)append(追加),不支持文件的隨機修改。3HDFS新功能和特性4HDFS實驗2HDFS原理和體系架構(gòu)1HDFS簡介目錄HDFS架構(gòu)HDFS
采用Master/Slave的架構(gòu),主要由四個部分組成。HDFS
Client文件切分;與NameNode交互,獲取文件的位置信息;與DataNode交互,讀取或者寫入數(shù)據(jù);Client提供一些命令來管理HDFSNameNode作為master管理HDFS的名稱空間管理數(shù)據(jù)塊(Block)映射信息配置副本策略處理客戶端讀寫請求。DataNode作為Slave存儲實際的數(shù)據(jù)塊執(zhí)行數(shù)據(jù)塊的讀/寫操作SecondaryNameNode輔助NameNode定期合并fsimage和fsedits,并推送NameNode在緊急情況下,可輔助恢復(fù)NameNode文件包括:
fsimage(文件系統(tǒng)鏡像):元數(shù)據(jù)鏡像文件。存儲某一時段NameNode內(nèi)存元數(shù)據(jù)信息。
edits:操作日志文件。fstime:保存最近一次checkpoint的時間是整個文件系統(tǒng)的管理節(jié)點。它維護著整個文件系統(tǒng)的文件目錄樹,文件/目錄的元信息和每個文件對應(yīng)的數(shù)據(jù)塊列表。文件操作,NameNode負責文件元數(shù)據(jù)的操作,DataNode負責處理文件內(nèi)容的讀寫請求,數(shù)據(jù)流不經(jīng)過NameNode,只會詢問它跟哪個DataNode聯(lián)系。NameNodeDatanode是文件系統(tǒng)的工作節(jié)點根據(jù)客戶端或者是namenode的調(diào)度存儲和檢索數(shù)據(jù),并且定期向namenode發(fā)送他們所存儲的塊(block)的列表。集群中的每個服務(wù)器都運行一個DataNode后臺程序,負責把HDFS數(shù)據(jù)塊讀寫到本地的文件系統(tǒng)。當需要通過客戶端讀/寫某個數(shù)據(jù)時,先由NameNode告訴客戶端去哪個DataNode進行具體的讀/寫操作,然后,客戶端直接與這個DataNode服務(wù)器上的后臺程序進行通信,并且對相關(guān)的數(shù)據(jù)塊進行讀/寫操作。
DataNodeSecondaryNameNodeSecondaryNameNode作用1、對HDFS元數(shù)據(jù)的冷備份,預(yù)防NameNode出現(xiàn)故障丟失數(shù)據(jù)。2、解決EditLog增大的問題。
SecondaryNameNode的處理,是將fsimage和edits文件周期的合并,不會造成NameNode重啟時造成長時間不可訪問的情況。HDFS數(shù)據(jù)寫入流程解析HDFS數(shù)據(jù)讀取流程解析HDFS可靠性所有數(shù)據(jù)塊都有副本可以在hdfs-site.xml中設(shè)置復(fù)制因子指定副本數(shù)量DataNode啟動時,遍歷本地文件系統(tǒng),產(chǎn)生一份hdfs數(shù)據(jù)塊和本地文件的對應(yīng)關(guān)系列表(blockport)匯報給namenode副本冗余HDFS可靠性集群一般放在不同機架上,機架間帶寬要比機架內(nèi)帶寬要?。籋DFS具有“機架感知”能力,它能自動實現(xiàn)在本機架上存放一個副本,然后在其它機架再存放另一副本,可以防止機架失效時數(shù)據(jù)丟失,同時提高帶寬利用率。機架策略Namenode周期性從datanode接收心跳信號和塊報告Namenode根據(jù)塊報告驗證元數(shù)據(jù)心跳機制HDFS可靠性HDFS可靠性Namenode啟動時會先經(jīng)過一個“安全模式”階段,安全模式階段不會產(chǎn)生數(shù)據(jù)寫;在安全模式階段Namenode收集各個datanode的報告,當數(shù)據(jù)塊達到最小副本數(shù)以上時,會被認為是“安全”的;在一定比例(可設(shè)置)的數(shù)據(jù)塊被確定為“安全”后,再過若干時間,安全模式結(jié)束;當檢測到副本數(shù)不足的數(shù)據(jù)塊時,該塊會被復(fù)制直到達到最小副本數(shù)。安全模式HDFS可靠性在文件建立時,每個數(shù)據(jù)塊都產(chǎn)生校驗和,校驗和保存在.meta文件內(nèi);客戶端獲取數(shù)據(jù)時可以檢查校驗和是否相同,從而發(fā)現(xiàn)數(shù)據(jù)塊是否損壞;如果正在讀取的數(shù)據(jù)塊損壞,則可以繼續(xù)讀取其它副本。校驗和HDFS可靠性刪除文件時,文件放入回收站/trash,回收站里的文件可以快速恢復(fù);通過設(shè)置一個時間閾值,當回收站里文件的存放時間超過這個閾值,就被徹底刪除,并且釋放占用的數(shù)據(jù)塊?;厥照?trashfiles超過周期HDFS可靠性映像文件和事務(wù)日志是Namenode的核心數(shù)據(jù),可以配置為擁有多個副本;副本會降低Namenode的處理速度,但增加安全性。元數(shù)據(jù)保護快照機制支持存儲某個時間點的映像,需要時可以使數(shù)據(jù)重返這個時間點的狀態(tài);3HDFS新功能和特性4HDFS實驗2HDFS原理和體系架構(gòu)1HDFS簡介目錄HDFS新功能和特性
Erasurecoding糾刪碼技術(shù)簡稱EC;通過在原始數(shù)據(jù)中加入新的校驗數(shù)據(jù),使得各個部分的數(shù)據(jù)產(chǎn)生關(guān)聯(lián)性.在一定范圍的數(shù)據(jù)出錯情況下,通過糾刪碼技術(shù)都可以進行恢復(fù);EC技術(shù)可以防止數(shù)據(jù)丟失,又可以解決HDFS存儲空間翻倍的問題;創(chuàng)建文件時,將從最近的祖先目錄繼承EC策略,以確定其塊如何存儲。與3路復(fù)制相比,默認的EC策略可以節(jié)省50%的存儲空間,同時還可以承受更多的存儲故障。支持HDFS中的擦除編碼ErasureEncoding基于HDFS路由器的聯(lián)合HDFS基于路由器的聯(lián)合會添加一個RPC路由層,提供多個HDFS命名空間的聯(lián)合視圖。簡化了對現(xiàn)有HDFS客戶端的聯(lián)合集群的訪問。HDFS新功能和特性支持多個NameNode允許用戶運行多個備用NameNode;一個NameNode是Active,其它為Standby;StandbyNN會不斷與JN同步,保證自己獲取最新的editlog,并將edits同步到自己維護的image中去,這樣便可以實現(xiàn)熱備,在發(fā)生failover的時候,立馬切換成active狀態(tài),對外提供服務(wù);JN只允
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 體育館環(huán)境衛(wèi)生承諾書
- 2024年研發(fā)設(shè)計與技術(shù)咨詢協(xié)議3篇
- 證券公司投資資產(chǎn)管理
- SP館租賃合同模板
- 鐵路軌道施工安全合同
- 設(shè)計工作室隔斷租賃協(xié)議
- 跨境支付項目澄清函參考模板
- 環(huán)保行業(yè)污染防治培訓(xùn)費管理辦法
- 能源利用評審員管理辦法
- 機場化糞池改造工程合同
- KK5-冷切鋸操作手冊-20151124
- 教你炒紅爐火版00纏論大概
- 消防管道施工合同
- 大學(xué)生計算與信息化素養(yǎng)-北京林業(yè)大學(xué)中國大學(xué)mooc課后章節(jié)答案期末考試題庫2023年
- 2023年國開大學(xué)期末考復(fù)習(xí)題-3987《Web開發(fā)基礎(chǔ)》
- 《駱駝祥子》1-24章每章練習(xí)題及答案
- 國際金融課后習(xí)題答案(吳志明第五版)第1-9章
- 《基于杜邦分析法周大福珠寶企業(yè)盈利能力分析報告(6400字)》
- 全國英語等級考試三級全真模擬試題二-2023修改整理
- 02R112 拱頂油罐圖集
- 英語課presentation中國麻將-Chinese-mahjong
評論
0/150
提交評論