Hadoop-分布式文件系统HDFS

HDFS的shell命令

既然是一个文件系统，它有对文件的基本操作（类似linux里面的cp、mv、ls等）
调用方式：把hadoop里面的bin添加到环境变量

hadoop fs -ls /  #查看HDFS的根目录
hadoop fs -mkdir /test #在根目录下建立test文件夹
hadoop fs -put ./xx   #上传
hadoop fs -get /test/test.txt #下载
。。。

HDFS的架构

• NameNode
• DataNode
• Secondary NameNode

例子：上传一个文件的过程

1. 客户端请求上传一个文件（请求NameNode）
2. NameNode会分配哪几个DataNode给客户端，NameNode里面记录元数据（文件分成几个block，每个block在那个DataNode上）
3. 客户端将文件上传到DataNode上
   （1）上传block1，上传完了之后到block2，再到block3，如果完成了，接下来的过程跟客户端无关了
   （2）同时当block1上传完之后，由block1上传副本到另一个DataNode，再由副本上传另一个副本到另一个DataNode
   （3）如果第三个副本由第二个传输的时候失败了，第二个响应第一个，第一个响应NameNode，NameNode知道第三个副本上传失败，会重新再分配一个DataNode，由第一或者第二个中任意一个再去上传
   

NameNode如何管理元数据

1. 客户端请求写数据，NN(NameNode)会分配DataNode，这些数据会先在edits_log（很小，做缓存用）里面保存为日志
2. 当客户端写完之后，给NN响应，NN将日志以元数据的形式读到内存里（方便查询速度、实时响应多个客户端）
3. 等到edits_log满了之后，它会和fsimage（存在硬盘的元数据，和内存中是同步的）进行合并，需要借助Secondary NameNode（因为这个过程需要将log数据转到元数据的格式，需要计算时间），合并过程如下：

注释：Checkpoint：合并操作

• 元数据的存储格式

1. /test/a.log : HDFS的虚拟路径
2. 3 ：副本数
3. {blk_1, blk_2}：几个block
4. [{blk_1:[h0,h1,h3]}]：blk_1三个副本在哪几个DataNode主机上（h0,h1,h3）

NameNode的职责

1. 管理元数据
2. 维护HDFS的目录
3. 响应客户端的请求

DataNode的工作原理