HDFS的特征是怎样,DFSInputStream 会关闭与 datanode

引子

缘何需求HDFS?

因为一个物理计算机的蕴藏已经hold不住大家特大的数量集。

HDFS的特性是怎么着?

HDFS以流式数据访问形式来囤积超大文件,运行于商用硬件集群上

1.重特大文件:数量级MB、GB、TB等

2.流式数据访问形式:以块为单位展开读写。四回写入、数次读取。

3.高数量吞吐量,时间推迟不低

4.无法积存多量小文件:namenode的内存中存储HDFS普通话件元新闻,每个元消息大致占150B,因而HDFS能储存的文件总数受限于namenode的内存大小。

5.不辅助多用户写入:HDFS中的文件只有一个writer

6.不能够随随便便修改文件:写操作是充实格局


HDFS读写流程剖析

正文为 《Hadoop The Definitive Guide 4th
Edition》的读书笔记(或者叫翻译),仅限互换使用, 转发请申明出处。

基础概念

解析读流程

上边这一个图形 3-2 总计性的描述了读文件时客户端与 HDFS 中的 namenode,
datanode 之间的多少流动。

图片 1

从HDFS中读取数据

客户端首先通过在 FileSystem 上调用 open() 方法打开它想要打开的文件, 对于
HDFS 来说, 就是在 DistributedFileSystem 的实例上调用(第1步)。 之后
DistributedFileSystem 就利用 remote procedure call(RPCs)去呼叫
namenode,去调研组成文件的前多少个块的职位(第2步)。对于每一个块,namenode
重返拥有块拷贝的 datanode 的地点。幸运的是,那一个 datanode
会根据与客户端的接近度来排序(接近度是依照集群网络中的拓扑结构来测算的,前边会说到)。即使客户端节点自己就是一个
datanode,而且该节点的肚子里存了一个块的正片,客户端就平素从本土
datanode 读取块。

DistributedFileSystem 重返一个 FSDataInputStream(支持文件 seek
的输入流)给客户端,客户端就能从流中读取数据了。 FSDataInputStream
中封装了一个管制了 datanode 与 namenode I/O 的 DFSInputStream。

接下来客户端就调用 read() 方法(第3步)。 存储了文本的前多少个块的地方的
DFSInputStream,就会一连存储了第二个块的率先个(目前的) datanode。 然后
DFSInputStream 就通过重新调用 read() 方法,数据就从 datanode
流动到了客户端(第4步)。当 该 datanode 中最后一个块的读取落成了,
DFSInputStream 会关闭与 datanode
的接二连三,然后为下一块寻找最佳节点(第5步)。这些进度对客户端的话是晶莹剔透的,在客户端这边看来,就好像只读取了一个总是不停的流。

块是按梯次读的,通过 DFSInputStream 在 datanode
上打开新的一而再去作为客户端读取的流。他也将会呼叫 namenode
来获取下一批所须求的块所在的 datanode 的地方(注意刚才说的只是从 namenode
获取前多少个块的)。当客户端达成了读取,就在 FSDataInputStream 上调用
close() 方法停止所有工艺流程。

在读取进度中, 如果 FSDataInputStream 在和一个 datanode
进行互换时出现了一个错误,他就去试一试下一个最接近的块,他本来也会记住刚才发生错误的
datanode 以至于从此不会再在这么些 datanode 上举行没要求的尝试。
DFSInputStream 也会在 datanode
上传输出的数码上审查检查数(checknums).假若破坏的块被发觉了,DFSInputStream
就准备从另一个负有备份的 datanode 中去读取备份块中的数据。

在那些设计中一个根本的地方就是客户端直接从 datanode 上寻找数据,并通过
namenode 引导来得到每一个块的特等 datanode。这种设计允许 HDFS
扩充多量的并发客户端,因为数量传输只是集群上的具有 datanode
展开的。时期,namenode
仅仅只要求劳务于获取块地点的伸手(块地方新闻是存放在内存中,所以效能很高)。假诺不这么设计,随着客户端数据量的进步,数据服务就会飞快变成一个瓶颈。

集群上的拓扑结构

俺们了然,相对于客户端(之后就是 mapreduce task
了),块的职位有以下可能:

  • 在客户端所在节点上(0,也就是本地化的)
  • 和客户端不在同一个节点上,但在同一个机架上(2)。
  • 和客户端不在同一个机架上,可是在同一个数码基本里(4)。
  • 即使与客户端不在一个数据基本(6)。

HDFS ( datanode? namenode?那里我也不晓得是何人来完结那些排序)
就是依照上面的四种可能性来对节点开展类似度总计。他们的分值分别为
0,2,4,6:

图片 2

图片 3-3

数据块

用作单身的存储单元,读写最小单位。默认64MB,可在hdfs-site.xml中自定义。

块要比磁盘块(512B)大得多,是因为最小化寻址开支。磁盘传输数据耗时>定位那么些块开始地点的耗时。然则块无法安装过大,是因为MR职务中,map任务平时四遍拍卖一个块,若是块数量少,则并行map职务就少,job运行速度较慢。

再说说……

· 文件所有的块分布式存储在依次datanode上,

· 小于一个块默许大小的公文,不会占用整个块的半空中。

剖析写流程

写流程的图如下:

图片 3

image

率先客户端通过在 DistributedFileSystem 上调用 create()
方法(第1步)来创立一个文书。 DistributedFileSystem 使用 RPC 呼叫 namenode
,让她
在文件系统的命名空间上创建一个没有与其余块提到的新文件(第2步), namenode
会执行各类各种的检查以确认文件此前是不存在的,并认同客户端是否享有成立文件的权柄。假使检查通过。
namenode
就会为新文件生成一条记下;否则,文件创培育会破产,客户端会抛出一个
IOException。 成功未来,DistributedFileSystem 会再次来到一个
FSDataOutputStream
给客户端以让他开首写多少。和读流程中同样,FSDataOutputStream 包装了一个
DFSOutputStream,他操纵了与 datanode 与 namenode 的关系。

当客户端起来写多少(第3步),DFSOutputStream
将文件分割成很多很小的数额,然后将每个小块放进一个个包(数据包,包中除了数量还有描述数据用的标识)中,
包们会写进一个名为数据队列(data quence)的中间队列。数据队列被
DataStreamr 消费,他肩负需要 namenode 去挑选出适合储存块备份的 datanode
的一个列表(注意,那里是文件的一个块,而不是整整文件)。那些列表会组成一个
pipeline(管线),那里假定备份数为3,所以在 pipeline 中就会有三个 datanode
, DataStreamer 将可以结合块的的包先流入 pipeline 中的第二个 datanode
,第三个 datanode 会先存储来到的包,然后继续将持有的包转交到 pipeline
中的第三个 datanode 中。相似的,首个 datande
也会储存这么些包,并将他们传递给 pipeline 中的第二个(最终一个) datanode
(第4步)。

数码的流淌的章程应该还有二种,第一种就是首先个 datanode
得到所有的数码包后并写入后,才将数据包往下传递;第三种就是假诺数据包写入成功就直接传给下一个
datanode,那种可能性最大。不影响全局,具体是哪个种类待确认。注意那里的写入就是写入到磁盘里。

DFSOutputStream
也会体贴一个包们的其中队列,其中也会有所有的数据包,该队列等待
datanode们 的写入确认,所以称为确认队列(ack quence)。当一个包已经被
pipeline 中的所有 datanode 确认了写如磁盘成功,那些包才会从
确认队列中移除(第5步)。倘诺在任何一个 datanode
在写入数据的时候败北了,接下去所做的总体对客户端都是透明的:首先,
pipeline
被关闭,在确认队列中的剩下的包会被添加进数据队列的开场地方上,以至于在失利的节点下游的任
何节点都不会丢掉任何的包。

此处有些问题,就是数据包写数据时的数目队列的情况,是间接不变,写入了再移除,如故曾经清空了。按照地方的布道,失败了就将剩下的还未写入的多少包添加(应该是拷贝)回数据队列,数据队列“一直不变”和“写入了再移除数据包”不就会出现重复了。而清空的话,应该是失误了之后才清空。这那样怎么不要数据队列作为确认队列,当发现都写入成功了,就将包从队首移除?
这些也待确认。

下一场与 namenode 联系后,当前在一个好的 datanode 会联系 namenode,
给败北节点上还未写完的块生成一个新的标识ID, 以至于假诺这些失利的
datanode 不久后重操旧业了,那个不完整的块将会被剔除。

破产节点会从 pipeline 中移除,然后剩下八个好的 datanode 会组成一个的新的
pipeline ,剩下的 那么些块的包(也就是刚刚放在数据队列队首的包)会继续写进
pipeline 中好的 datanode 中。

说到底,namenode
注意到块备份数小于规定的备份数,他就安插在另一个节点上创办已毕备份,直接从已部分块中复制就足以。然后间接到满意了备份数(dfs.replication)。

假如有五个节点的写入战败了,若是满意了不大备份数的装置(dfs.namenode.repliction.min),写入也将会中标,然后剩下的备份会被集群异步的执行备份,直到满足了备份数(dfs.replication)。

当客户端达成了数额写入,会在流上调用 close() 方法(第6步)。
那个作为会将有着盈余的包刷新(flush)进 datanode
中,然后等待确认音讯达到后,客户端就联络 namenode
告诉她文件数量现已放好了(第七步)。namenode
也直接知道文书被分成了哪些块(因为在头里是 DataStreamer
请求了块分配),所以现在在成功从前,只需要等待块知足最低限度的备份(因为刚刚提到的挫折)。

namenode和datanode

namenode管理文件系统的命名空间和各种文件中各个块所在的数目节点音信。命名空间是HDFS的文件系统树以及树内所有目录和文件,以fsimage和editlog文件永远保存在地方磁盘上。块的仓储音讯在内存中,系统启动时由datanode上报。

datanode是HDFS的干活节点,负责储存并查找数据块,定期向namenode发送它们所蕴藏的块的列表。

至于配置:

dfs.replication默认3,一个多少块存3份,HDFS会自动备份到3个例外的datanode上。


End!!

HDFS读写流程

读文件

【一句话版本】namenode告知客户端数据的块地点,让客户端联系datanode流式检索数据。

利益:
namenode内存存储块索引新闻,相应快;block分散在集群拥有节点上,以便HDFS可扩张多量并发客户端。

瓶颈:随客户端数量升高,namenode的I\O成为瓶颈。

1.
【概括版】客户端调用DistributedFileSystem对象的open()方法,RPC调用namenode的GetBlockLocations()方法,namenode重临存有该文件所有block新闻,包涵其副本所在的所有datanode地址

【细节版】客户端调用DistributedFileSystem.open(Path f, int
bufferSize),open()函数中new了一个DFSInputStream对象;在DFSInputStream的构造函数中,openInfo()函数被调用,其利害攸关从namenode中得到要开辟的文书所对应的blocks的新闻,通过callGetBlockLocations()达成,焦点代码如下:

// openInfo():

LocatedBlocks newInfo = callGetBlockLocations(namenode, src, 0,
prefetchSize);

//callGetBlockLocations()校官发起一个RPC调用,再次回到 LocatedBlocks
对象

namenode.getBlockLocations(src, start, length);

LocatedBlocks 是一个链表,List<LocatedBlock>
blocks,其中每个元素包罗以下音信:

Block b:此block的信息

long offset:此block在文件中的偏移量

DatanodeInfo[] locs:此block位于哪些DataNode上

2.
namenode接收到请求后,将展开一文山会海操作。RPC调用NameNode.getBlockLocations(),里面再调用namesystem.getBlockLocations(getClientMachine(),
src, offset, length);

namesystem封存着namenode上的命名空间树,具体是一个INode链表,INode有二种子类:INodeFile和INodeDirectory。其中,INodeFile有成员变量BlockInfo
blocks[],是此文件包括的block的新闻。

getBlockLocations()具体步骤:1) 得到此文件的block音讯; 2)
从offset起首,长度为length所涉嫌的blocks; 3)
找到种种block对应的、健康的datanode机器。重临LocatedBlocks对象。

3~5.
回到客户端,在DFSInputStream的构造函数通过RPC收到一串block音信(即LocatedBlocks对象)之后,DFSInputStream读取文件起初块的datanode地址,随即与相距方今的datanode建立Socket连接和读入流,客户端反复调用FSDataInputStream的read()读取block音讯

e.g.对于64M一个block的文件系统来说,欲读取从100M(offset)开始,长度为128M(length)的数量,则block列表包涵第2,3,4块block。第2号block从36MB发轫读取28MB,第3号block从0MB先导读取64MB….

抵达block末端,DFSInputStream关闭与该datanode的接连,寻找下一个block的最佳datanode。

6.抵达文件末端时,客户端对FSDataInputStream调用close()方法。

再说说…

赶上读战败,1)
DFSInputStream和datanode的接连暴发错误时,从距离次近的datanode读取,并将该节点记入“故障节点列表”,以防反复从该节点读。2)读取到一个磨损的block,先通告namenode,再从其余datanode读取该块的另一个副本。

写文件

【一句话版本】客户端向namenode申请成立文件,namenode分配datanode,客户端通过pipeline格局写多少,全体承认正常写入后通报namenode。

1.客户端通过调用DistributedFileSystem对象的create()方法,该方法生成一个FSDataOutputStream用于向新转变的公文中写入数据,其成员变量dfs的花色为DFSClient,DFSClient的create()函数中回到一个DFSOutputStream对象。在DFSOutputStream的构造函数中,做了两件重点的工作:一是因此RPC调用NameNode的create()来成立一个文书;二是streamer.start(),即起步了一个pipeline,用于写多少。

//以下为客户端调用的create                                           
                                      public FSDataOutputStream
create(Path f, FsPermission permission,
boolean overwrite, int
bufferSize, short replication, long blockSize,
Progressable
progress) throws IOException {
return new
FSDataOutputStream(dfs.create(getPathName(f), permission,

overwrite, replication, blockSize, progress, bufferSize),
statistics);  }

  1. namenode
    先在命名空间(在磁盘)中检查文件是不是留存以及客户端是或不是有权力,再新建一个新文件的元音讯到fsimage
    中,就是命名空间,此时从未有过其余块与之相应。

3~5.
客户端调用DFSOutputStream对象的write()方法写多少。根据HDFS的设计,对block的多少写入使用的是pipeline的章程,也快要数据分为一个个的package,要是须要复制三分,分别写入DataNode
1, 2, 3,则会展开如下的进度:

    1) 创造写入流,RPC调用namenode为文件分配block,
并设置block对应的DataNode。

    2) 将block分成若干个chunk(512B),每N个chunk +
校验值形成一个package。package进入dataQueue

    3) 客户端将DataNode 2、3信息和 package 1写入DataNode 1,package
1从dataQueue移至ackQueue,等待确认。

    4) 由DataNode 1负责将DataNode3信息和package1写入DataNode
2,同时客户端可以将pacage 2写入DataNode 1。package
2从dataQueue移至ackQueue,等待确认。

    5) DataNode 2负责将package 1写入DataNode 3, 同时客户端可以将package
3写入DataNode 1,DataNode 1将package 2写入DataNode 2。package
3从dataQueue移至ackQueue,等待确认。

就像此将一个个package排着队的传递下去,直到所有的数码总体写入并复制达成并且都吸收到ACK确认包。

6~7.写完所有块之后,断开与DataNode 1的总是,客户端布告namenode,完结。

再说说….

赶上写失利,DataNode1故障时,1)关闭pipeline,2)把ackQueue中的所有数据包添加到dataQueue的头顶,
3)为DataNode2中当前block指定一个新标识,布告namenode,以便DataNode1复苏后删除本block的不尽数据,4)将故障DataNode1从pipeline中删去,然后继续将多余数量包写入正常节点。异步完费用block的副本复制。

有关“文件一致性”:在文件创造后,写完前,正在写入的block是读取不到的(e.g.读文件内容、获取文件大小)。除非调用HDFS的sync()方法强制所有缓存与数据节点同步。

参照小说:

《Hadoop- The Definitive Guide, 4th Edition》

Hadoop学习总计之二:HDFS读写进度解析