HDFS分布式文件系统如何设计

这篇文章将为大家详细讲解有关HDFS分布式文件系统如何设计，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

坚守“ 做人真诚 · 做事靠谱 · 口碑至上 · 高效敬业 ”的价值观，专业网站建设服务10余年为成都柔性防护网小微创业公司专业提供成都企业网站定制营销网站建设商城网站建设手机网站建设小程序网站建设网站改版，从内容策划、视觉设计、底层架构、网页布局、功能开发迭代于一体的高端网站建设服务。

正文

HDFS的设计以及概念

HDFS集群是典型的 master/slave 架构，master 节点叫做 NameNode，salve 节点叫做 DataNode。最简单的 HDFS 集群便是一个 NameNode 节点和多个 DataNode 节点，HDFS 集群的架构图如下：

Block：数据块，HDFS 集群将存储的文件划分为多个分块，块作为独立的存储单元，默认大小为为 128M。如果某个文件超过集群单机存储容量，分块可以解决该问题；其次按照块进行存储、备份能简化系统的设计。默认块大小修改 hdfs-site.xml 文件中的 dfs.blocksize 配置。
NameNode：HDFS 集群的 Master 节点，维护集群文件的目录结构（命名空间）和编辑日志文件，同时在内存中记录文件各个块所在的数据节点的信息。
DataNode：HDFS 集群的 Slave 节点，负责存储实际的数据。根据需要存储和检索数据块，并定期向 NameNode 发送他们所存储的数据块列表。为了实现数据存储的高可靠，HDFS 将一个块存储在不同的 DataNode 节点， 默认是 3 个，可以通过 hdfs-site.xml 文件中的 dfs.replication 配置修改默认值。如果当前 DataNode 中的数据块损坏， 可以从其他 DataNode 节点复制一个正确的数据块。
以上是架构图中显而易见的几个重要概念，接下来将结合架构设计中的高可用、可扩展性来介绍下架构图中隐藏的几个重要概念。
联邦 HDFS：这个主要是为了解决可扩展性的问题，我们知道 NameNode 进程的内存中存放了数据与数据位置的对应关系，对于一个文件数据量多的集群来说，NameNode 的内存将成为集群规模扩大的瓶颈。因此，单一 NameNode 的集群并不可取。Hadoop 2.x 的发行版引入了联邦 HDFS 允许向集群中添加 NameNode 节点实现横向扩展。每一个 NameNode 管理命名空间中的一部分，每个 NameNode 维护一个命名空间卷（namespace volume），命名空间卷之间相互独立，一个 NameNode 失效不会影响其他 NameNode 维护的命名空间。
HDFS HA： 这个解决高可用，即 HDFS High Available。这一实现中配置了一对活动-备用（active-standby）NameNode。当活动的 NameNode 失效，备用 NameNode 会接管相应的任务，这一过程对用户透明。实现这一设计，需要在架构上做如下修改：
1. HA 的两个 NameNode 之间通过高可用共享存储实现编辑日志的共享，目的是为了能够使备用 NameNode 接管工作后实现与主 NameNode 状态同步。QJM（日志管理器，quorum journal manager）是为提供一个高可用的日志编辑而设计的，被推荐用于大多数 HDFS 集群中。QJM 以一组日志节点的形式运行，一般是 3，每一次编辑必须写入多数日志节点，因此系统可以忍受任何一个节点丢失，日志节点便是 JournalNode。
2. DataNode 需要同时向 2 个 NameNode 发送数据报告，因为数据块的映射信息存储在 NameNode 的内存中
3. 客户端需要处理 NameNode 失效的问题，对用户透明

HDFS的基本操作

　　命令行接口
命令行接口操作 HDFS 是最简单、最方便的方式。HDFS 的命令与 Linux 本地命令非常相似，可以通过 hadoop fs help 命令查看 HDFS 所支持所有命令，接下来介绍下常用的命令：

hadoop fs -put #将本地文件上传至 HDFS；
hadoop fs -ls # 与 Linux ls命令类似；
hadoop fs -cat #查看 HDFS 文件数据；
hadoop fs -text # 同 cat 命令， 可以看 SequenceFile、压缩文件；
hadoop fs -rm # 删除 HDFS 文件或目录。

以上是比较常用的 HDFS 命令，查看帮助文档可以在每个命令上增加一些命令行选项，输出不同的信息。以 ls 命令为例，看一下 HDFS 输出的文件信息。

hadoop fs -ls /hadoop-ex/wordcount/input
-rw-r--r--   3 root supergroup         32 2019-03-03 01:34 /hadoop-ex/wordcount/input/words
-rw-r--r--   3 root supergroup         28 2019-03-03 01:46 /hadoop-ex/wordcount/input/words2

可以发现输出的内容与 Linux 下 ls 命令类似。第 1 部分显示文件类型与权限，第 2 部分是副本数量 3，第 3 、4部分是所属的用户和用户组，第 5 部分是文件大小，若是目录则为 0 ，第 6、7 部分是文件的修改日期和时间，第 8 部分是文件的路径和名称。 在 HDFS 中有个超级用户，即 启动 NameNode 的用户。
　Java 接口
相对于命令行接口，Java接口更加灵活，更强大。但用起来不是很方便，一般可以在 MR 或者 Spark 任务中使用 Java 接口读取 HDFS 上的数据。本章仅举一个读取 HDFS 文件数据的例子介绍一下 Java 接口的使用方式，主要使用 FileSystem API 来实现，更具体和更多的使用方法读者可以自行查阅。

package com.cnblogs.duma.hdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;

import java.io.IOException;
import java.io.InputStream;
import java.net.URI;

public class FileSystemEx {
    public static void main(String[] args) throws IOException {
        Configuration conf = new Configuration();
        // uri 便是 core-site.xml 文件中 fs.defaultFS 配置的值
        FileSystem fs = FileSystem.get(URI.create("hdfs://hadoop0:9000"), conf);
        InputStream in = null;

        try {
            // 指定打开的文件
            in = fs.open(new Path("/hadoop-ex/wordcount/input/words"));
            // 将输入流拷贝到标准输出流
            IOUtils.copyBytes(in, System.out, 4096, false);
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            // 关闭输入流
            IOUtils.closeStream(in);
        }
    }
}

关于“HDFS分布式文件系统如何设计”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。