HDFS架构剖析

HDFS，Hadoop Distribute File System（Hadoop分布式文件系统）的简称，它是Hadoop核心组件之一，是大数据生态圈最底层的分布式存储服务。将计算靠近数据，而不是将数据移动到离计算更近的地方，使得应用的计算更有效率。

HDFS遵循主从架构（master/slave）。通常包括一个主节点和多个从节点。主节点为NameNode，从节点为DataNode。

在内部，文件分块存储，每个块根据复制因子存储在不同的从节点（DataNode）计算机上形成备份。

Client

文件切分：文件上传HDFS的时候，Client将文件切分成一个一个的Block，然后进行存储

与NameNode交互，获取文件的位置信息

与DataNode交互，读取或者写入数据

Client提供一些命令来管理和访问HDFS，比如启动或者关闭HDFS

NameNode

主节点（NameNode）：负责存储和管理文件系统元数据信息，包括namespace目录树结构、文件块的位置信息、访问权限等信息、管理数据块（Block）映射信息、配置副本策略、处理客户端读写请求。NameNode是访问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包括Fsimage内存元数据镜像文件和edits log编辑日志。

在Hadoop2之前，NameNode是单点故障。Hadoop2中引入高可用性，允许在集群中以热备配置运行两个或多个NameNode。

DataNode

从节点（DataNode）：负责存储文件具体的数据块。NameNode下达命令，DataNode执行数据块的读/写操作。

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。

Secondary NameNode

SecondaryNameNode是主角色的辅助角色，帮助主角色进行元数据的合并。并非NameNode的热备。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。辅助NameNode，分担其工作量，定期合并fsimage和fsedits，并推送给NameNode，在紧急情况下，可辅助恢复NameNode。

当NameNode启动时，NameNode合并Fsimage和edits log文件以还原当前文件系统名称空间。如果edit log过大不利于加载，Secondary NameNode就辅助NameNode从NameNode下载Fsimage和edits log文件进行合并。

主从各司其职，互相配合，共同对外提供分布式文件存储服务。当然内部细节对于用户来说是透明的。

NameSpace

HDFS支持传统的层次型文件组织结构。用户可以创建目录，然后将文件保存在这些目录里。文件系统名称空间的层次结构和大多数现有的文件系统类似：用户可以创建、删除、移动或重命名文件。

NameNode负责维护文件系统的NameSpace名称空间，任何对文件系统名称空间或属性的修改豆将被NameNode记录下来。

HDFS会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件。

HDFS副本机制

所有的文件都是以block块的方式存放在HDFS文件系统当中，作用如下：

1、一个文件有可能大于集群中任意一个磁盘，引入块机制，可以很好的解决这个问题

2、使用块作为文件存储的逻辑单位可以简化存储子系统

3、块非常适合用于数据备份进而提供数据容错能力

在hadoop1.0中，文件的block块默认大小是64M，hadoop2.0中，文件的block块大小默认是128M，block块的大小可以通过hdfs-site.xml当中的配置文件进行制定： 

机架感知

HDFS分布式文件系统内部有一个副本存放策略：以默认的副本数=3为例

1、存放第一个block到hdfs，需要一个客户端

2、客户端发出一个存放请求，首先看当前主机是否和客户端在同一个机架中，

如果在同一个机架中，则会在客户端所在的机架中挑一台主机，将block存进去：在同一个子网中读取数据更快

3、在同一个机架中挑另一台主机存放副本

4、block第三个副本在另一个机架中存放（随机挑选，或者根据主机容量）：为了一个机架挂了，数据不丢丢失

Pipeline管道

Pipeline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，后者保存后将其复制到第三个数据节点。

为什么采用这种方式，而不是一次给三个datanode传？

因为数据以管道方式，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迟，在线性推送模式下，每台机器所有的出口带宽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带宽。

HDFS读写流程（面试重点）

读取过程

1、Client向NameNode发起RPC请求，来确定请求文件block所在的位置

2、NameNode会视情况返回文件的部分或者全部block列表，对于每个block，NameNode都会返回含有该block副本的DataNode地址；这些返回的DataNode地址，会按照集群拓扑结构得出DataNode与客户端的距离，然后进行排序，排序两个规则：网络拓扑结构中距离Client近的排靠前，心跳机制中超时汇报的DataNode状态为STALE，这样的排靠后

3、Client选取排序靠前的DataNode来读取block，如果客户端本身就是DataNode，那么将从本地直接获取数据（短路读取特性）

4、底层上本质是建立SocketStream（FSDataInputStream），重复的调用父类DataInputStream的read方法，直到这个块上的数据读取完毕

5、当读完列表的block后，若文件读取还没有结束，客户端会继续向NameNode获取下一批的block列表

6、读取完一个block都会进行checksum验证，如果读取DataNode时出现错误，客户端会通知NameNode，然后再从下一个拥有该block副本的DataNode继续读取。

写入流程

1、在Hadoop的common模块下有一个FileSystem类用于文件的处理，封装了与文件系统操作相关的方法。HDFS中的DistributedFileSystem类继承了FileSystem，客户端创建DistributedFileSystem类的对象实例。

2、调用DistributedFileSystem对象的create()方法创建FSDataOutputStream输出流对象给客户端用于写数据，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。

3、客户端通过FSDataOutputStream开始写入数据。FSDataOutputStream是DFSOutputStream包装类。

4、客户端写入数据时，DFSOutputStream将数据分成一个个数据包（packet 默认64k），并写入一个内部数据队列（data queue）。

DFSOutputStream有一个内部类叫做DataStreamer，用于请求NameNode通过副本策略和机架感知机制挑选出适合存储数据副本的一组DataNode，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DataNode。

5、DFSOutputStream也维护着一个内部数据包队列来等待DataNode的收到确认回执，称之为确认队列（ack queue），收到pipeline中所有DataNode确认信息后，该数据包才会从确认队列删除。

6、客户端完成数据写入后，在FSDataOutputStream输出流上调用close()方法关闭。

7、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。最小复制是由参数dfs.namenode.replication.min指定，默认是1。

NameNode元数据管理

文件自身属性信息

文件名称、权限，修改时间，文件大小，复制因子，数据块大小。

文件块位置映射信息

记录文件块和DataNode之间的映射信息，即哪个块位于哪个节点上。

HDFS的元数据辅助管理

hadoop的集群当中，NameNode的所有元数据信息都保存在了Fsimage与Edits文件当中

NameNode的元数据保存在内存中，可能会有问题，因此需要持久化---数据会定期保存到本地磁盘（fsimage：将内存中的数据在文件中进行了备份、fsedits文件：操作日志）

HDFS小文件解决方案