HDFS架构及原理

原文链接：HDFS架构及原理

引言

　　进入大数据时代，数据集的大小已经超过一台独立物理计算机的存储能力，我们需要对数据进行分区（partition）并存储到若干台单独的计算机上，也就出现了管理网络中跨多台计算机存储的文件系统：分布式文件系统（distributed filesystem）。基于hadoop分布式文件系统HDFS（Hadoop Distributed Filesystem）具备高容错、高吞吐量等特性，在大数据和AI时代得以广泛应用。

HDFS设计

HDFS设计初衷：

低成本：HDFS可以部署在廉价的PC机上，装机成本和故障恢复成本都比较低。
高容错：数据默认保存三份，如果有多个机架的话，同一机架的机器上保存两份，不同机架的机器上保存一份，如果副本丢失，会自动创建；
高吞吐：HDFS是“一次写入多次读写”的访问模型，除了在文件末尾追加或直接阶段文件，HDFS是不允许修改文件的，这就简化了数据一致性的问题，并且实现了高吞吐数据访问。
易扩展：HDFS可以简单的通过增加节点，实现水平扩展，存储容量可随着节点数量线性增长。

HDFS虽然有很多优点，但是在某些领域目前还是不适合的，如：

低时间延迟的数据访问：有该种需求的，建议用HBase；
大量的小文件；
多用户写入，任意修改文件。

HDFS存储架构

HDFS采用Master/Slave架构存储数据，主要由client、namenode、datanode、secondary namenode，四部分组成，其中

client：客户端，代表用户通过与namenode和datanode交互来访问整个文件系统，与namenode交互获取文件的位置信息，与datanode交互进行数据的读写。
NameNode（管理者）：HDFS集群有两类节点，并以管理者-工作者模式运行，namenode（管理者，也称master节点或元数据节点）用来管理文件系统的命名空间，记录每个文件中各个块所在的数据节点信息（并不永久保存块的位置信息，这些信息会在系统启动时由数据节点进行重建），配置副本，处理客户端请求。
Datanode（工作者）：数据存储节点，也称slave节点，是文件系统的工作节点。主要是根据需要存储并检索数据块（受客户端或namenode调度），并定期向namenode发送所存储的块的列表。
Secondary NameNode：分担namenode工作量，是namenode的冷备份，合并fsimage和fsedits然后再发给namenode。它不是HA，它只是阶段性的合并fedits和fsimage，以缩短集群启动的时间。当namenode失效的时候，Secondary namenode并无法立刻提供服务，Secondary namenode甚至无法保证数据完整性：如果namenode数据丢失的话，在上一次合并后的文件系统的改动会丢失（在hadoop2.x版本，当启用hdfs ha时，不在存在这一项）

HDFS构建原则：

元数据与数据分离：文件本身的属性（即元数据）与文件所持有的数据分离;
主/从架构：一个HDFS集群是由一个NameNode和多个DataNode组成;
一次写入多次读取：HDFS中的文件在任何时间只能有一个Writer。当文件被创建，接着写入数据，最后，一旦文件被关闭，就不能再修改;
移动计算比移动数据更划算：数据运算，越靠近数据，执行运算的性能就越好，由于hdfs数据分布在不同机器上，要让网络的消耗最低，并提高系统的吞吐量，最佳方式是将运算的执行移到离它要处理的数据更近的地方，而不是移动数据。

HDFS写文件

操作场景

为便于理解HDFS写文件的过程，我们假设，有一个文件FileA，100M大小。Client将FileA写入到HDFS上，HDFS按默认配置（写文件参考博客地址：http://www.cnblogs.com/laov/p/3434917.html）。

写操作流程

HDFS分布在三个机架上Rack1，Rack2，Rack3。

Client将FileA按64M分块。分成两块，block1和Block2;
Client向nameNode发送写数据请求，如图蓝色虚线①——>。
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。

client向DataNode发送block1；发送过程是以流式写入,过程如下：

将64M的block1按64k的package划分;
然后将第一个package发送给host2;
host2接收完后，将第一个package发送给host1，同时client想host2发送第二个package；
host1接收完第一个package后，发送给host3，同时接收host2发来的第二个package;
以此类推，如图红线实线所示，直到将block1发送完毕;
host2,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;
client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;
发送完block1后，再向host7，host8，host4发送block2，如图蓝色实线所示;
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;
client向NameNode发送消息，说我写完了，如图黄色粗实线，这样就完毕了。

HDFS读文件

　　HDFS读取文件的主要顺序：

客户端调用FileSystem对象的open()方法打开希望读取的文件，即获取DistributedFileSystem的实例;
DistributedFileSystem通过RPC调用namenode，用于确定文件起始块（block）的位置，对于每一个block，namenode返回存有该块复本的datanode地址，这些datanode是根据他们与客户端的距离进行排序的;
前2步返回一个FSDataInputStream对象（一个支持文件定位的输入流）给client客户端并读取数据，该对象会封装为DFSInputStream对象，该对象管理datanode和namenode的I/O。客户端对这个输入流调用read（）方法，DFSInputStream找出距离最近的datanode;
对数据流反复调用read（）方法，将数据从datanode传输到客户端;
到达第一个block的末端时，DFSInputStream会关闭与datanode的连接，寻找下一个block的最佳datanode;
客户端从流中读取数据时，block是按照打开DFSInputStream与datanode新建连接的顺序读取的，一旦客户端完成读取，就会对FSDataInputStream调用close（）方法，关闭掉所有的流。

Hadoop2.x新特性：HDFS

　　Hadoop2.x由HDFS、MapReduce和Yarn三个分支构成，在hadoop2.x版本中，引入NameNode Federation和HA。

　　在hadoop1.x时，存在单namenode容量和性能限制，一方面受制于java内存管理能力，另一方面，由于所有元数据信息的读取和操作都要与namenode进行通信，当集群规模变大后，namenode将成为性能瓶颈。

于是，在hadoop2.x时，引入了NameNode Federation和HA，NameNode Federation由多个nameservice组成，每个nameservice由一个或两个namenode组成，每个namenode分管一部分目录，多个namenode共用集群datanode的存储资源。这样当namenode内存受限时就能够方便的扩展内存，而且每个namenode独立工作，一个namenode的挂掉并不会影响其他namenode提供服务。同时，使用HA来解决特定namenode因为缺少热备存在的单点故障问题。

图5 NameNode Federation

全文详细内容，请点击链接：http://mp.weixin.qq.com/s/QyOyIIb5SFKSHxVIUBrqlw

更多精彩内容，欢迎扫码关注以下微信公众号：大数据技术宅。大数据、AI从关注开始