Hadoop之HDFS重点架构原理简介

Hadoop之HDFS（Hadoop Distributed File System）的重点架构原理主要涉及其分布式文件系统的核心组件、数据存储机制、以及关键的数据读写流程。以下是对HDFS重点架构原理的详细解析：

一、HDFS的核心组件

HDFS采用主从架构（Master/Slave），主要包括以下几个核心组件：

1. NameNode（主节点）

   • 角色：HDFS中的管理者，负责管理文件系统的命名空间和客户端对文件的访问。
   • 功能：
     • 存储和管理文件系统的元数据，包括文件信息、文件被分割成具体block块的信息、以及每一个block块归属的DataNode的信息。
     • 处理客户端的读写请求。
     • 配置副本策略。
     • 管理HDFS的名称空间，保存整个文件系统的目录信息、文件信息及分块信息。
   • 元数据管理：NameNode主要通过fsimage（命名空间镜像文件）和editslog（编辑日志）两个组件实现元数据管理。随着操作HDFS的数据变多，edits文件会变得很大，影响NameNode的重启速度，因此SecondaryNameNode会辅助NameNode定期合并fsimage和editslog。

2. SecondaryNameNode（辅助节点）

   • 角色：辅助NameNode进行元数据的定期检查点，并在紧急情况下帮助NameNode恢复元数据。
   • 功能：
     • 定期从NameNode上获取fsimage和edits进行合并，然后将合并后的fsimage推送给NameNode。
     • 减少NameNode的工作量，提高系统的稳定性和恢复能力。

3. DataNode（从节点）

   • 角色：HDFS中的存储节点，负责存储Client发来的数据块block。
   • 功能：
     • 管理节点上它们拥有的存储，将存储划分为多个block块，管理block块信息。
     • 周期性地将其所有的block块信息发送给NameNode。
     • 执行数据块的读写操作。

4. Client（客户端）

   • 角色：操作HDFS的客户端。
   • 功能：
     • 与NameNode交互，获取文件的位置信息。
     • 与DataNode交互，读取或写入数据块。
     • 文件上传HDFS时，客户端将文件切分成多个block，然后上传。

二、数据存储机制

1. 分块存储

   • HDFS中的文件在物理上是分块存储的，每个数据块默认为128MB（但可配置为不同大小）。
   • 数据块是HDFS的基本存储单元，它们被分布在多个数据节点上，以实现高可用性和并行读写。

2. 副本机制

   • 每个数据块默认会有3个副本，以提高数据的可靠性和容错能力。
   • 副本的存储策略遵循一定的规则，如第一个副本放在上传文件的DataNode上，第二个副本放在不同机架的节点上，第三个副本放在与第二个副本相同机架的随机节点上。

三、数据读写流程

1. 写文件流程

   • 客户端向NameNode发起文件写入的请求。
   • NameNode根据文件大小和文件块配置情况，返回给客户端它所管理部分DataNode的信息。
   • 客户端将文件划分为多个block块，并根据DataNode的地址信息，按顺序写入到每一个DataNode块中。
   • 数据以packet为单位（默认为64KB）在DataNode之间流式传输，形成pipeline。
   • 当一个block传输完成后，客户端继续传输下一个block，直到文件传输完成。

2. 读文件流程

   • 客户端向NameNode请求文件的元数据信息，以确定文件的位置。
   • NameNode返回具有该文件所有副本的DataNode位置地址列表（按网络拓扑距离排序）。
   • 客户端从最近的DataNode读取数据块，并在读取完一个数据块后，继续从下一个最近的DataNode读取下一个数据块。
   • 当文件读取完成后，客户端关闭与DataNode的连接。

综上所述，HDFS通过其分布式的主从架构、分块存储和副本机制、以及高效的数据读写流程，实现了对海量数据的高效、可靠、可扩展的存储和管理。