2023学年完整公开课版任务641HDFS

任务6-4-1HDFS

目录分布式文件系统HDFSHDFS存储原理HDFS读写过程HDFS体系结构31.分布式文件系统

分布式文件系统:它是一种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。分布式文件系统的设计一般采用“客户机/服务器（Client/Server）”模式。目前广泛运用到的分布式文件系统主要包括GFS和HDFS，后者是针对前者的开源实现。4计算机集群结构普通的文件系统只需要单个计算机节点就可以完成文件的存储和处理，单个计算机节点由处理器、内存、高速缓存和本地磁盘构成。分布式文件系统把文件分布存储到多个计算机节点上，成千上万的计算机节点构成计算机集群。与之前使用多个处理器和专用高级硬件的并行化处理装置不同的是，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，这就大大降低了硬件上的开销。5计算机集群结构集群中的计算机节点存放在机架（Rack）上，每个机架可以存放8～64个节点，同一机架上的不同节点之间通过网络互连（常采用吉比特以太网），多个不同机架之间采用另一级网络或交换机互连。6分布式文件系统的结构与普通文件系统类似，分布式文件系统也采用了块的概念，文件被分成若干个块进行存储，块是数据读写的基本单元，只不过分布式文件系统的块要比操作系统中的块大很多。比如，HDFS默认的一个块的大小是64MB。与普通文件不同的是，在分布式文件系统中，如果一个文件小于一个数据块的大小，它并不占用整个数据块的存储空间。

7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”（MasterNode），或者也被称为“名称节点”（NameNode）；另一类叫“从节点”（SlaveNode），或者也被称为“数据节点”（DataNode）。

8分布式文件系统的结构计算机集群中的节点可能发生故障，因此为了保证数据的完整性，分布式文件系统通常采用多副本存储。文件块会被复制为多个副本，存储在不同的节点上，而且存储同一文件块的不同副本的各个节点会分布在不同的机架上，这样，在单个节点出现故障时，就可以快速调用副本重启单个节点上的计算过程，而不用重启整个计算过程，整个机架出现故障时也不会丢失所有文件块。文件块的大小和副本个数通常可以由用户指定。

9分布式文件系统的设计需求分布式文件系统的设计目标主要包括透明性、并发控制、可伸缩性、容错以及安全需求等。但是，在具体实现中，不同产品实现的级别和方式都有所不同。设计需求含义HDFS的实现情况透明性具备访问透明性、位置透明性、性能和伸缩透明性。只能提供一定程度的访问透明性，完全支持位置透明性、性能和伸缩透明性并发控制客户端对于文件的读写不应该影响其他客户端对同一文件的读写机制非常简单，任何时间都允许有一个程序写入某个文件文件复制一个文件可以拥有在不同位置的多个副本HDFS采用了多副本机制硬件和操作系统的异构性可以在不同的操作系统和计算机上实现同样的客户端和服务器端程序采用Java语言开发，具有很好的跨平台能力可伸缩性支持节点的动态加入或退出建立在大规模廉价机器上的分布式文件系统集群，具有很好的可伸缩性容错保证文件服务在客户端或者服务器端出现问题的时候能正常使用具有多副本机制和故障自动检测、恢复机制安全保障系统的安全性安全性较弱102.HDFSHDFS开源实现了GFS的基本思想。HDFS原来是ApacheNutch搜索引擎的一部分，后来独立出来作为一个Apache子项目，并和MapReduce一起成为Hadoop的核心组成部分。11HDFS实现的目标兼容廉价的硬件设备

在成百上千台廉价服务器中存储数据，常会出现节点失效的情况，因此HDFS设计了快速检测硬件故障和进行自动恢复的机制，可以实现持续监视、错误检查、容错处理和自动恢复，从而使得在硬件出错的情况下也能实现数据的完整性。流数据读写

普通文件系统主要用于随机读写以及与用户进行交互，而HDFS则是为了满足批量数据处理的要求而设计的，因此为了提高数据吞吐率，HDFS放松了一些POSIX的要求，从而能够以流式方式来访问文件系统数据。12HDFS实现的目标大数据集HDFS中的文件通常可以达到GB甚至TB级别，一个数百台机器组成的集群里面可以支持千万级别这样的文件。简单的文件模型HDFS采用了“一次写入、多次读取”的简单文件模型，文件一旦完成写入，关闭后就无法再次写入，只能被读取。13HDFS实现的目标强大的跨平台兼容性。

HDFS是采用Java语言实现的，具有很好的跨平台兼容性，支持JVM（JavaVirtualMachine）的机器都可以运行HDFS。14HDFS不足之处不适合低延迟数据访问HDFS主要是面向大规模数据批量处理而设计的，采用流式数据读取，具有很高的数据吞吐率，但是，这也意味着较高的延迟。因此，HDFS不适合用在需要较低延迟（如数十毫秒）的应用场合。对于低延时要求的应用程序而言，HBase是一个更好的选择。流数据读写。15HDFS不足之处无法高效存储大量小文件

小文件是指文件大小小于一个块的文件，HDFS无法高效存储和处理大量小文件，过多小文件会给系统扩展性和性能带来诸多问题。不支持多用户写入及任意修改文件。HDFS只允许一个文件有一个写入者，不允许多个用户对同一个文件执行写操作，而且只允许对文件执行追加操作，不能执行随机写操作。16相关概念--块在传统的文件系统中，为了提高磁盘读写效率，一般以数据块为单位，而不是以字节为单位。HDFS也同样采用了块的概念，默认的一个块大小是64MB。在HDFS中的文件会被拆分成多个块，每个块作为独立的单元进行存储。17相关概念--块HDFS这么做的原因：是为了最小化寻址开销。HDFS寻址开销不仅包括磁盘寻道开销，还包括数据块的定位开销。因此，HDFS在文件块大小设置上要远远大于普通文件系统，以期在处理大规模文件时能够获得更好的性能。HDFS在块的大小的设计上明显要大于普通文件系统。18相关概念--块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。简化系统设计。适合数据备份。19相关概念--名称节点和数据节点名称节点

负责管理分布式文件系统的命名空间，保存了两个核心的数据结构，即FsImage和EditLog。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。20相关概念--第二名称节点如果EditLog很大，就会导致整个过程变得非常缓慢，使得名称节点在启动过程中长期处于“安全模式”，无法正常对外提供写操作，影响了用户的使用。为了有效解决EditLog逐渐变大带来的问题，HDFS在设计中采用了第二名称节点。21相关概念--第二名称节点第二名称节点是HDFS架构的一个重要组成部分，具有两个方面的功能：首先，可以完成EditLog与FsImage的合并操作，减小EditLog文件大小，缩短名称节点重启时间；其次，可以作为名称节点的“检查点”，保存名称节点中的元数据信息。具体如下。223.HDFS体系结构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和若干个数据节点。23HDFS体系结构每个数据节点的数据实际上是保存在本地Linux文件系统中的。每个数据节点会周期性地向名称节点发送“心跳”信息，报告自己的状态，没有按时发送心跳信息的数据节点会被标记为“宕机”，不会再给它分配任何I/O请求。24HDFS命名空间管理HDFS的命名空间包含目录、文件和块。命名空间管理是指命名空间支持对HDFS中的目录、文件和块做类似文件系统的创建、修改、删除等基本操作。在当前的HDFS体系结构中，在整个HDFS集群中只有一个命名空间，并且只有唯一一个名称节点，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。25通信协议HDFS是一个部署在集群上的分布式文件系统，因此很多数据需要通过网络进行传输。所有的HDFS通信协议都是构建在TCP/IP协议基础之上的。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，并使用客户端协议与名称节点进行交互。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（RemoteProcedureCall）来实现的。26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。不过需要说明的是，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。27HDFS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。284.HDFS的存储原理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，数据块1被分别存放到数据节点A和C上，数据块2被存放在数据节点A和B上。29数据的冗余存储这种多副本方式具有以下3个优点：（1）加快数据传输速度。当多个客户端需要同时访问同一个文件时，可以让各个客户端分别从不同的数据块副本中读取数据，这就大大加快了数据传输速度。（2）容易检查数据错误。HDFS的数据节点之间通过网络传输数据，采用多个副本可以很容易判断数据传输是否出错。（3）保证数据的可靠性。即使某个数据节点出现故障失效，也不会造成数据丢失。30数据存取策略数据存取策略包括数据存放、数据读取和数据复制等方面，它在很大程度上会影响到整个分布式文件系统的读写性能，是分布式文件系统的核心内容。31数据存取策略—数据存放为了提高数据的可靠性与系统的可用性，以及充分利用网络带宽，HDFS采用了以机架（Rack）为基础的数据存放策略。32数据存取策略—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。33数据存取策略—数据复制HDFS的数据复制采用了流水线复制的策略，大大提高了数据复制过程的效率。当客户端要往HDFS中写入一个文件时，这个文件会首先被写入本地，并被切分成若干个块，每个块的大小是由HDFS的设定值来决定的。每个块都向HDFS集群中的名称节点发起写请求，名称节点会根据系统中各个数据节点的使用情况，选择一个数据节点列表返回给客户端，然后客户端就把数据首先写入列表中的第一个数据节点，同时把列表传给第一个数据节点。34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，它把硬件出错看成一种常态，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3种情形。35数据错误与恢复名称节点出错

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。Hadoop采用两种机制来确保名称节点的安全：

第一，把名称节点上的元数据信息同步存储到其他文件系统（比如远程挂载的网络文件系统NFS）中；

第二，运行一个第二名称节点，当名称节点宕机以后，可以把第二名称节点作为一种弥补措施，利用第二名称节点中的元数据信息进行系统恢复，但是从前面对第二名称节点的介绍中可以看出，这样做仍然会丢失部分数据。36数据错误与恢复数据节点出错

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。37数据错误与恢复数据出错

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，并把这些信息写入同一个路径的隐藏文件里面。385.HDFS的读写过程在介绍HDFS的数据读写过程之前，需要简单介绍一下相关的类。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到这个类。Hadoop为FileSystem这个抽象类提供了多种具体的实现，DistributedFileSystem就是FileSystem在HDFS文件系统中的实现。FileSystem的open()方法返回的是一个输入流FSDataInputStream对象，在HDFS文件系统中具体的输入流就是DFSInputStream；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。39读数据的过程客户端连续调用open()、read()、close()读取数据时，HDFS内部的执行过程：40读数据的过程（1）客户端通过FileSystem.open()打开文件，相应地，在HDFS文件系统中DistributedFileSystem具体实现了FileSystem。（2）在DFSInputStream的构造函数中，输入流通过ClientProtocal.getBlockLocations()远程调用名称节点，获得文件开始部分数据块的保存位置。41读数据的过程(3）获得输入流FSDataInputStream后，客户端调用read()函数开始读取数据。输入流根据前面的排序结果，选择距离客户端最近的数据节点建立连接并读取数据。（4）数据从该数据节点读到客户端；当该数据块读取完毕时，FSDataInputStream关闭和该数据节点的连接。42读数据的过程（5）输入流通过getBlockLocations()方法查找下一个数据块（如果客户端缓存中已经包含了该数据块的位置信息，