分布式文件系統：HDFS基礎與應用

2019-11-06 06:18:17

字體：大中小

來源：轉載

供稿：網友

第一：HDFS概述

1. hdfs的優點

高容錯性適合大數據處理構建在廉價機器上

- hdfs的缺點

不適用低延遲高吞吐

比如毫秒級低延遲和高吞吐率

不適用存儲小文件小文件

占用namenode大量內存尋道時間超過存儲時間namenode的block塊有限制不能并發寫入，隨機修改一次寫入，多次讀取，一個文件只能有一個寫者僅支持append

第二：HDFS基礎架構與原理

1. 基礎架構

namenode active namenode 主Master，只有一個，保存元數據信息standby namenode 備份namenode。定期合并fsimage和editsHA+Federation HA解決高可用，Federation解決單namenode資源不夠datanode 實際存放的數據塊。每個block默認為128Mclient 文件切割，namenode交互，datanode交互，管理和訪問HDFS

2.原理

文件被分成若干個block。每個block默認128M每個block默認復制三份block存放在datanode第一個block存放在與client同節點上。第二個block存放在不同機架上。第三個block存放在第二個block同機架不同節點上CRC校驗文件，Datanode定期向Namenode發送heartbeat，主備namenode。fsimage保存內存，同時備份fsimage+edit

第三：HDFS程序設計方法

基于Shell

文件命令操作bin/hdfs dfs -mkdir /homebin/hdfs dfs -ls /bin/hdfs dfs -put localfile /home管理命令bin/hdfs dfsadmin bin/hdfs fsck examplefile -files -locations -blocks均衡器balancebin/start-balancer.sh -threshold < percentage of disk capacity設置目錄配額bin/hadoop dfsadmin -setSpaceQuota 1t /home/hadoop增加或移除節點增加節點將已存在的datanode安裝包（包括配置文件）拷貝到新datanode上啟動新datanode sbin/hadoop-deamon.sh start datanode 刪除節點將datanode加入黑名單，并更新黑名單移除datanode bin/hadoop dfsadmin -refreshNodes

基于javaApi

將本地文件拷貝到hdfs上Configuration conf = new Configuration();FileSystem fs = FileSystem.get(conf);Path srcPath = new Path(srcFile);Path dstPath = new Path(dstFile);fs.copyFromLocalFile(srcPath,dstPath);創建hdfs文件Configruation conf = new Configuration();FileSystem fs = FileSystem.get(conf);Path path = new Path(fileName);FSFileDataOutputStream outputstream = hdfs.create(path);outputstream.write(buff,0,buff.length);

第四：HDFS優化小技巧

原始日志存儲格式選擇文本文件不便于壓縮，選擇合適的壓縮算法很重要不建議將日志文件直接存儲為文本格式SequenceFile 二進制格式，便于壓縮，壓縮格式作為元信息存到文件中建議采用該格式存儲原始日志小文件優化合并成大文件 Sequence FileHadoop Archive存在key/value系統中 HBaseTFS壓縮與歸檔