-
HDFS工作流程与机制
各角色职责介绍与梳理
主角色:Namenode
- Namenode是Hadoop分布式文件系统的核心,架构中的主角色
- Namenode维护和管理文件系统元数据,包括名称空间目录树结构、文件和块的位置信息、访问权限等信息。
- 基于此,Namenode成为了访问HDFS的唯一入口。
- Namenode内部通过内存和磁盘文件两种方式管理元数据。
- 其中磁盘上的元数据文件包括Fsimage内存元数据镜像文件和edits log(Journal)编辑日志。
从角色:Datanode
- Datanode是Hadoop HDFS中的从角色,负责具体的数据块存储。
- Datanode的数量决定了HDFS集群的整体数据存储能力。通过和Namenode配合维护着数据块。
主角色辅助角色:secondarynamenode
- secondary Namenode充当Namenode的辅助节点,但不能替代Namenode。
- 主要是帮助主角色进行元数据文件的合并动作。可以通俗的理解为主角色的“秘书”。
Namenode职责
- Namenode仅存储HDFS的元数据:文件系统中所有文件的目录树,并跟踪整个集群中的文件,不存储实际数据。
- Namenode知道HDFS中任何给定文件的块列表及其位置。使用此信息Namenode知道如何从块中构建文件
- Namenode不支持久化存储每个文件中各个块所在的Datanode的位置信息,这些信息会在系统启动时从Datanode重建。
- Namenode是Hadoop集群中的单点故障。
- Namenode所在机器通常会配置有大量内存(RAM)。
Datanode职责
- Datanode负责最终数据块block的存储。是集群的从角色,也称为Slave。
- Datanode启动时,会将自己注册到Namenode并汇报自己负责持有的块列表。
- 当某个Datanode关闭时,不会影响数据的可用性。Namenode将安排由其他Datanode管理的块进行副本复制。
- Datanode所在机器通常配置有大量的硬盘空间,因为实际数据存储在Datanode中。
写数据流程
核心概念 --pipeline管道
- Pipeline,中文翻译为管道。这是HDFS在上传文件写数据过程中采用的一种数据传输方式。
- 客户端将数据块写入第一个数据节点,第一个数据节点保存数据之后再将块复制到第二个数据节点后,后者保存后将其复制到第三个数据节点。
- 为什么Datanode之间采用pipeline线型传输,是因为数据以管道的方式,顺序的沿着一个方向传输,这样能够充分利用每个机器的带宽,避免网络瓶颈和高延迟时的连接,最小化推送所有数据的延时。
- 在线型推送模式下,每台机器所有的出口宽带都用于以最快的速度传输数据,而不是在多个接受者之间分配宽带。
核心概念–ACK应答响应
- ACK(Acknowledge character)即使确认字符,在数据通信中,接收方发给发送方的一种从传输类控制字符。表示发来的数据已确认接收无误。
- 在HDFS pipeline管道传输数据的过程中,传输的反方向会进行ACK校验,确保数据传输安全。
核心概念–默认3副本存储策略
- 默认副本存储策略是由BlockPlacementPolicyDefaulet指定。
- 第一块副本:优先客户端本地,否则随机。
- 第二块副本:不同于第一块副本的不同机架。
- 第三块副本:第二块副本相同机架的不同机器。
梳理
- HDFS客户端创建对象实例DistributedFileSystem,该对象中封装了与HDFS文件系统操作的相关方法
- 调用DistributedFileSystem对象的create()方法,通过RPC请求Namenode创建文件。
Namenode执行各种检查判断:目标文件是否存在、父目录是否存在、客户端是否具有创建该文件的权限。检查通过,Namenode就会为本次请求记下一条记录,返回FSDataOutputStream输出流对象给客户端用于写数据。 - 客户端通过FSDataOutputStream输出流开始写入数据。
- 客户端写入数据时,将数据分成一个个数据包(packet默认64K),内部组件DataStreamer请求Namenode挑选出适合存储数据副本的一组Datanode地址,默认是3副本存储。
DataStreamer将数据包流式传输到pipeline的第一个Datanode,该Datanode存储数据包并将它发送到pipeline的第二个Datanode。同样,第二个Datanode存储数据包并且发送给第三个(也是最后一个)Datanode。 - 传输的反方向上,会通过ACK机制校验数据包传输是否成功;
- 客户端完成数据写入后,在FSDataOutputStream输出流上调用close()方法关闭。
- DistributedFileSystem联系Namenode告知其文件写入完成,等待Namenode确认。
因为Namenode已经知道文件由那些块组成(DataStream请求分配数据块),因此仅需等待最小复制块即可成功返回。最小复制时有参数dfs.namenode.replication.min指定,默认是1。
-
相关阅读:
(附源码)springboot税收风险管理系统 毕业设计 231058
[附源码]Python计算机毕业设计Django惠农微信小程序论文
Immutable学习之路----告别传统拷贝
狂神redis笔记09
算法高级部分--并查集:方块栈(POJ1988)
开源的轻量级任务调度框架
基于C#实现的文件管理文件系统
2022最新上传ipa到appstore的步骤说明
信息学奥赛研究1:竞赛时间表、学习规划
Stable Diffusion 图生图+ControlNet list index out of range
-
原文地址:https://blog.csdn.net/JAX_fire/article/details/126136742