大数据系列1:一文初识Hdfs (2)

大数据系列1:一文初识Hdfs

从上图可以明显的看出,Hdfs是一个典型的主/从架构。

我们看看它有什么组件

NameNode

Master由一个NameNode组成,是一个主服务器,主要功能如下:

负责管理文件系统的命名空间,存储元数据(文件名称、大小、存储位置等)

协调客户端对文件的访问

NameNode会将所有的文件和文件夹存储在一个文件系统的目录树中,并且记录任何元数据的变化。

我们知道Hdfs会将文件拆分为多个数据块保存,其中文件与文件块的对应关系也存储在文件系统的目录树中,由NameNode维护。

除了文件与数据块的映射信息,还有一个数据块与DataNode 的映射信息,
因为数据块最终是存储到DataNode中。我们需要知道一个文件数据块存在那些DataNode中,
或者说DataNode中有哪些数据块。这些信息也记录在NameNode中。

从上图中可以看到,NameNode与DataNode之间还有心跳。
NameNode会周期性的接收集群中DataNode的“心跳”和“块报告”。
通过“心跳”检测DataNode的状态(是否宕机),决定是否需要作出相关的调整策略。
“块报告”包含DataNode上所有数据块列表的信息

DataNode

DataNode是Hdfs的从节点,一般会有多个DataNode(一般一个节点一个DataNode)。
主要功能如下:

管理它们所运行节点的数据存储

周期性向NameNode上报自身存储的“块信息”

这里的管理指的是在Client对Hdfs进行数据读写操作的时候,会接收来自NameNode的指令,执行数据块的创建、删除、复制等操作。

DataNode中的数据保存在本地磁盘。

Blcok

从上图可以看出,在内部,一个文件会被切割为多个块(Blocks),这些块存储在一组Datanodes中,同时还有对Block进行备份(Replication)。

Hdfs文件以Block的形式存储,默认一个Block大小为128MB(1.x为64Mb)

简单来说就是一个文件会被切割为多个128MB的小文件进行储存,如果文件小于128MB则不切割,按照实际的大小存储,不会占用整个数据块的大小。

关于Hdfs读写后续会写一个源码追踪的文章,到时候就知道如何实现按照实际大小存储了。

默认Block之所以是128M,主要是降低寻址开销和获得较佳的执行效率。
因为Block越小,那么切割的文件就越多,寻址耗费的时间也会越多。
但如果Block太大,虽然切割的文件比较少,寻址快,但是单个文件过大,执行时间过长,发挥不了并行计算的优势。

每个Block的元数据也记录在NameNode中,可以说Block的大小一定程度也会影响整个集群的存储能力

同时为了容错,一般会有三个副本,副本的存放策略一般为:

备份编号 位置
1   Standalone模式:上传文件的节点
Cluster模式:随机选一台内存充足的机器
 
2   与1号备份同机架的不同节点  
3   不同机架的节点  

备份除了容错,也是数据本地性(移动计算)的一个强有力支撑。

Secondary NameNode

有一说一,
Secondary NameNode 取了一个标题党的的名字,这个让人感觉这就是第二个NameNode。
实际上不是,在介绍 Secondary NameNode 之前,我们得先了解NameNode是怎么存储元数据的。

我们之前说的Hdfs的元数据信息主要存在两个文件中:fsimage和edits。

fsimage:文件系统的映射文件,存储文件的元数据信息,包括文件系统所有的目录、文件信息以及数据块的索引。

edits:Hdfs操作日志文件,记录Hdfs对文件系统的修改日志。

NameNode 对这两个文件的操作如下图:

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/wpjxgw.html