2 HDFS分布式文件系统和ZooKeeper

2.1 HDFS概述以及应用场景

HDFS概述

• Hadoop分布式文件系统（HDFS）是一种旨在商品硬件上运行的分布式文件系统
• HDFS具有高度的容错能力，旨在部署在低成本硬件上
• HDFS提供对应用程序数据的高吞吐量访问，并且适用于具有大数据集的应用程序
• HDFS放宽了一些POSIX要求，以实现对文件系统数据的流式访问
• HDFS最初是作为APache Nutch Web搜索引擎项目的基础结构而构建的
• HDFS是Apache Hadoop Core项目的一部分

HDFS应用场景

• 天气数据
• 传感器数据
• 网站数据等

HDFS不适合的场景

• 不适合低延迟数据访问
• 无法高效存储大量小文件
• 不支持多用户写入及任意修改文件

2.2 HDFS相关概念

计算机集群结构

• 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
• 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

基本系统架构

NameNode：存储了文件系统上的文件名和元数据，文件和数据块的对应关系

DataNode：用于存储数据节点

Client：客户端，主要包括了一些访问HDFS的接口

注：一个分布式文件系统可以有多个Client，多个DataNode，但只能有一个NameNode

块

HDFS默认一个块64MB，也可以是128MB。一个文件被分成多个块，以块作为存储单位。块可以分散存储在各个节点之上。

块的大小远远大于普通文件系统，可以最小化寻址开销。

抽象的块概念可以支持大规模文件存储，简化系统设计，而且可以数据备份

注：我们说的节点通常指的是一台计算机。总所周知一台计算机的文件系统是有限的，我们的目标就是找到一个能扩容的文件系统来存放海量的大数据。HDFS就是这样的文件系统，他通过廉价的机器简单连接便可以形成多个节点组成的分布式文件系统。由于HDFS中的文件由多个块组成，块又可以不在某一台机器上，可以分散在多台机器存储，故文件的大小不受单个计算机节点容量的影响。假设现在来了个文件1024MB，你的某个节点计算机只有512MB不够放，没关系，将这个文件拆分为多个块，分散的块存储在不同计算机节点上即可。

我们可以采用冗余的方式去存储块，这样当文件的一部分发生缺失，冗余的块立马作为备份来恢复缺失的数据。

NameNode和DataNodes

名称节点（NameNode）：负责管理NameSpace，并且记录了数据块和DataNode的对应关系。NameNode将自己的数据块处于Linux操作系统的文件系统中。其包含了两个重要的数据结构：FSImage和Editlog。

• FSImage：维护文件系统树以及文件树的文件和文件名元数据。
• EditLog：记录文件系统的操作

数据节点（DataNode）：根据NameNode和Client的调度对文件进行检索和存储。

2.3 HDFS体系架构

HDFS体系架构概述

HDFS命名空间管理

HDFS的命名空间包含目录、文件和块

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

NameNode维护文件系统命名空间。对文件系统命名空间或其属性的任何更改均由NameNode记录（NameNode的EditLog记录）。

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来传输

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

客户端和数据节点的交互是通过RPC（Reote Procedure Call）来实现的。在设计上，名称节点不会主动发起RPC，而是响应来自客户端和数据节点的RPC请求。

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

HDFS客户端是一个库，包含HDFS文件系统接口，这些接口隐藏了HDFS实现的底层

严格来说，客户端不算是HDFS的一部分

客户端可以支持打开、读取、写入等常见操作，并且提供了类似shell的命令行方式来访问HDFS中的数据

HDFS也提供了JavaAPI，作为应用程序访问文件系统的客户端编程接口

HDFS单名称节点体系结构的局限性

HDFS只设置一个名称节点这样会带来局限性：

• 命名空间的限制：名称节点是保存在内存中的，因此，名称节点能够容纳的对象的个数会受到内存空间大小的限制。
• 性能瓶颈：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
• 隔离问题：集群中只有一个名称节点无法对不同应用程序进行隔离
• 集群可用性问题：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

心跳机制

• HDFS是master/slave结构，namenode为master，多个datanode为slave。
• master启动时会开启一个IPC服务，等待slave链接
• slave启动后，会主动连接IPC服务，并且每隔3秒连接一次，这个时间是可以调整的，即通过设置heartbeat，其会每隔一段时间连接一次，我们称其为心跳机制。Slave通过心跳给master汇报自身消息，master通过心跳下达命令。
• Namenode通过心跳得知datanode状态。
• 当master长时间没有收到slave消息时，就认为slave挂掉了。

2.4 HDFS关键特性

HDFS高可用性（HA）

在Hadoop1.x中，由于HDFS是单名称节点结构，当名称节点故障时，需手动停止HDFS的运行，并把FSImage和EditLog的备份传给名称节点让其重新启动，这样的话在停止的时候HDFS是不可用的。

在Hadoop2.x中，HDFS采用了双名称节点模式，即存在active名称节点和stand by名称节点。stand by名称节点分担了1.x版本中名称节点存储HDFS元数据的功能，这样缓解了命名空间的限制问题，还可以保重集群的可用性问题，一旦active名称节点故障，ZooKeeper会监测到其心跳异常，此时通知stand by名称节点暂且代替主名称节点的位置进行工作，直至active名称节点被修复。

元数据持久化

元数据持久化的特性在Hadoop1.x版本中就存在，这一特性体现在第二名称节点（SecondaryNamenode）之上。第二名称节点和stand by节点指的不是同一个东西。

HDFS中FSImage维护了文件树和文件树中的文件和文件名元数据。对一个文件进行操作是在客户端进行的，在客户端修改的一瞬间，第二名称节点从名称节点中接手FSImage和EditLog，EditLog产生文件EidtLog.new文件，根据EditLog中对文件执行的操作来更新文件的元数据，我们称之为合并，合并的结果是产生一个FSImage.ckpt文件。合并完成后，FSImage被更新，传回名称节点，名称节点将FSImage回滚为FSimage，并将老版本的FSImage删除，EditLog.new取代EditLog成为新的EidtLog。

在这个过程中，若更新中途名称节点提交数据结构给第二名称节点后宕机，则可以通过第二名称节点的FSImage和EditLog可以进行冷备份（即备份过程中不能使用Hadoop集群）。

HDFS联邦

这是Hadoop2.x的出现的特性。

在过去只有一个名称节点的情况下，我们常会因为受到内存的限制而使得NameNode保存的文件元数据有限，为此我们受到联邦数据库的启发在HDFS中采用了联邦机制，设立多个名称节点，以增加命名空间，提高HDFS的吞吐量。

数据副本机制

在Hadoop1.x就存在。

对于伪分布式式来说HDFS默认冗余复制副本为1个，完全分布HDFS默认的冗余复制副本是3。其中，有两份副本放在同一个机架的不同机器上面，第三个副本放在不同机架的机器上面，这样既可以保证机架发送异常时的数据恢复，也可以提高数据读写性能。

数据完整性保障

HDFS主要目的是保证存储数据完整性，对于各组件的失效，做了可靠性处理。

• 重建失效数据盘的副本数据。DataNode向NameNode周期上报失败时（心跳机制），NameNode发起副本重建动作以恢复丢失副本。
• 集群数据均衡。HDFS架构设计了数据均衡机制，此机制保证数据在DataNode上分布式平均的。
• 元数据可靠性保证。采用日志机制操作元数据，同时元数据存放在准备NameNode上。实现了文件系统常见的快照机制，保证数据误操作时，能及时恢复。
• 安全模式。HDFS提供独有的安全模式机制，在数据节点故障，硬盘故障时，能防止故障扩散。

HDFS架构其他构建设计要点说明

空间回收机制：支持回收站机制，以及副本数的动态设置机制。

数据组织：数据存储以数据块为单位，存储在操作系统的HDFS文件系统上。

访问方式：提供Java API、HTTP方式，shell方式访问HDFS数据。

常用shell命令

命令	范例
hdfs dfs 常用文件系统操作命令	hdfs dfs -cat ~/emp/*
hdfs dfsadmin -safemode	安全模式操作
hdfs dfsadmin -report	报告服务状态

HDFS3.0新特性

• 支持HDFS中的纠删码Erasure Encoding（代替了副本机制）
• 基于HDFS路由器的联合
• 支持多个NameNode
• DataNode内部添加了负载均衡Disk Balancer

2.5 数据写入流程

HDFS数据写入流程

HDFS数据读取流程

2.6 ZooKeeper概述

Zookeeper概述

Zookeeper分布式服务框架主要是用来解决分布式应用中经常遇到的一些数据管理问题，提供分布式、高可用性的协调服务能力。

安全模式下的Zookeeper依赖于Kerberos和LdapServer进行安全认证，非安全模式则不依赖。Zookeeper作为底层组件广泛被上层组件使用并依赖，如Kafka，HDFS，HBase，Storm等。

Zookeeper服务架构

• Zookeeper如同Hadoop一样也是采用主从Master/Slave架构。

• Zookeeper集群由一组Server节点组成，这一组Server节点只存在一个Leader节点，其他节点都为Follower。

• 启动时选举出leader，如果某个Server获得半数以上的票数时，则当选为leader。

• Zookeeper使用自定义的原子消息协议，保证了整个系统中的节点数据的一致性。

• Leader节点在接收到数据变更请求后，先写磁盘再写内存。

• 对于n个实例的服务，n可以为奇数或偶数。

  • n为奇数时，假定n =2x+1，则成为leader的节点需获得x+1票，容灾能力为x

  • n为偶数时，假定n=2x+2，则成为leader的节点需要获得x+2票，容灾能力为x

Zookeeper关键特性

最终一致性：无论哪个server，对外展示的均是同一个视图。

实时性：保证客户端将在一个时间间隔范围内获得服务器的更新信息，或者服务器失效的信息。

可靠性：一条消息被一个server接收，它将被所有server接收

等待无关性：慢的或者失效的client不会干预快速的client的请求，使得每个client都能有效的等待

原子性：更新只能成功或者失败，没有中间状态。

顺序一致性：客户端所发送的更新会安装它们被发送的顺序进行应用。

Zookeeper读特性

由Zookeeper的一致性可知，客户端无论连接哪个server，获取的均是同一个视图。所以，读操作可以在任意客户端与任意节点间完成。

Zookeeper写操作

Zookeeper中如果客户端连接到Follower，则需要结果leader转接之后才可写入其他的Follower。

ZooKeeper客户端常用命令

命令	作用
zkCli.sh -server 服务器ip	调用ZooKeeper客户端
create /node	创建节点
ls /node	列出节点下子节点
set /node data	创建节点数据
get /node	删除节点数据
delete /node	删除节点
deleteall /node	删除节点及其子节点

2.7 总结

• 分布式文件系统是大数据时代解决大规模数据存储问题的有效解决方案，HDFS开源实现了GFS，可以利用由廉价硬件构成的计算机集群实现海量数据的分布式存储。
• HDFS具有兼容廉价的硬件设备、流数据读写、大数据集、简单的文件模型、强大的跨平台兼容性等特点。但其也有自身局限，比如不适合低延迟数据访问、无法高效存储大量小文件和不支持多用户写入及任意修改文件等。
• 块是HDFS核心的概念。一个大的文件会被拆分成很多个块。HDFS采用抽象的块概念，具有支持大规模文件存储、简化系统设计、适合数据备份等优点。
• ZooKeeper分布式服务框架主要是用来解决分布式应用中经常遇到的一些数据管理问题，提供分布式、高可用性的协调服务能力。