[大数据]HDFS面试知识点

一、HDFS重要特性

• 首先他是一个文件系统，用于存储文件，通过同意的命名空间目录树来定位文件
• 其次，它是分布式的，由很多服务器联合起来实现其功能，器群中的服务器有个字的角色

1.1、master/slave架构

• HDFS采用master/slave架构。一般一个HDFS集群是有一个Namenode和一定数目的Datanode组成

• Namenode是HDFS集群主节点，Datanode是HDFS集群从节点，两种角色各司其职，共同协调完成分布式的文件存储服务

1.2、分块存储

HDFS中的文件在物理上是分块存储（block）的，块的大小可以通过配置参数来规定，默认大小在dadoop2.x版本中是128M

1.3、名字空间（NameSpace）

• HDFS支持传统的层次型文件组织结构。用户或者应用程序可以创建目录，然后将文件保存在这些目录里。文件系统名字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名字空间，任何对文件系统名字空间或属性的修改都会被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，例如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data

1.4、Nmaenode元数据管理

我们把目录结构及文件分块位置信息叫做元数据。Namenode负责维护整个hdfs文件系统的目录树结构，以及每一个文件所对应的block块信息（block的id，及所在的datanode服务器）

1.5、Datanode数据存储

文件的各个block的具体存储管理由datanode节点承担。每一个block都可以在多个datanode上。Datanode定时向Namenode汇报自己持有的block信息

1.6、副本机制

为了容错，文件的所有blcok都会有副本，每个文件的blcok大小和副本系数都是可配置的。应用程序可以指定某个文件的指定副本数目。副本系数可以在在文件创建的时候指定，也可以在之后改变

副本数量也可以通过参数设置dfs.replication默认是3

1.7、一次写入，多次读出

HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改。正因为如此，HDFS适合用来做大数据分析的底层存储服务，并不适合用来做网盘等应用，因为修改不方便，延迟大，网络开销大，成本太高

二、NameNode概述

• NameNode是HDFS的核心

• NameNode也成为Master

• NameNode仅存储HDFS的元数据：文件系统中所有文件的目录树，并跟踪整个集群中的文件

• NameNode不存储实际数据或数据集。数据本身实际存储在DataNodes中

• NameNode知道HDFS中任何给定文件的块列表及其位置。使用此信息Name知道如何从块中构建文件

• NameNode并不持久化存储每个文件中各个块所在的DataNode的位置信息，这些信息会在系统启动时从数据节点重建

• NameNode对于HDFS至关重要，当NameNode关闭时，HDFS/Hadoop集群无法访问

• NameNode是Hadoop集群中的单点故障

• NameNode所在机器通常会配置有大量内存（RAM）

三、DataNode概述

• DataNode负责将实际数据存储在HDFS中
• DataNode也成为Slave
• NameNode和DataNode会保持不断通信
• DataNode启动时，它将自己发布到NameNode并汇报自己负责持有的块列表
• 当某个DataNode关闭时，它不会影响数据或集群的可用性。NameNode将安排由其他DataNode管理的块进行副本复制
• DataNode所在机器通常配置有大量的硬盘空间。因为实际数据存储在DataNode中

四、HDFS的工作机制

• NameNode复制管理整个文件系统元数据；
• DataNode负责管理具体文件数据块存储；
• Secondary NameNode协助NameNode进行元数据备份
• HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向NameNode申请来执行

五、HDFS写数据解析

1. client发起文件上传请求，通过RPC与NameNode建立通讯，NameNode检查目标文件是否已经存在，父目录是否已存在，返回是否可以上传

2. client请求第一个block该传输到哪些DataNode服务器上

3. NameNode根据配置文件中指定的备份数量以及副本放置策略进行文件分配，返回可用的DataNode的地址，如：A, B, C;

   注：默认存储策略由BlockPlacementPolicyDefault类支持。也就是日常生活中提到最经典的3副本策略

   1st replica如果写请求方所在机器是其中一个datanode，则直接存放在本地，否则随机在集群中选择一个datanode

   2nd replica第二个副本存放于不同第一个副本的所在的机架

   3nd replica第三个副本存放于第二个副本所在的机架，但是属于不同的节点上

4. client请求3太DataNode中的一台A上传数据（本质上是一个RPC调用，简历pipeline），A收到请求会继续调用B，然后B调用C，将整个pipeline建立完成，后逐级返回client

5. client开始往A上传第一个block（先从磁盘读取数据放到一个本地内存缓存），以packet为单位（默认64K），A收到一个packet就会传给B，B传给C；A每传一个packet会放入一个应答队列等待应答

6. 数据被分隔成一个个packet数据包在pipeline上依次传输，在pipeline反方向上，逐个发送ack（命令正确应答），最终由pipeline中第一个DataNode节点A将pipeline ack发送给client

7. 当一个block传输完成之后，client再次请求NameNode上传第二个block到服务器

六、HDFS读数据流程

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blcok副本的DataNode地址
3. 这些返回的ND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DN状态为STALE，这样的排靠后
4. Client选取排序靠前的DataNode来读取block，如果客户端本身就是DataNdoe，那么将从本地直接获取数据
5. 底层上本质是建立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；一旦到达块的末尾，DFSInputStream关闭连接并接续定位下一个块的下一个DataNode
6. 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；一旦客户端完成读取，它就会调用close（）方法
7. 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
8. NameNode只是返回Client请求包含块的DataNode地址，并不是返回请求块的数据
9. 最终读取来所有的block会合并成一个完整的最终文件

七、HDFS元数据管理概述

HDFS元数据，按照类型分，主要包括以下几个部分：

1. 文件、目录自身的属性信息，例如文件名，目录名，修改信息等
2. 文件记录的信息的存储相关的信息，例如存储块信息，分块情况，副本个数等
3. 记录HDFS的Datanode的信息，用于DataNode的管理

按照形式分为内存元数据和元数据文件两种，分别存在内存和磁盘上

HDFS上元数据文件分为两类，用于持久化存储：

1. fsimage 镜像文件：是元数据的一个持久化的检查点，包含Hadoop文件系统中的所有目录和文件元数据信息，但不包含文件块位置的信息。文件块位置信息只存储在内存中，是在datanode加入集群的时候，namenode询问datanode得到的，并且间断的更新
2. Edits 编辑日志：存放的事Hadoop文件系统的所有更改操作（文件创建，删除或修改）的日志，文件系统客户端执行的更改操作首先会被记录到edits文件中
3. fsimage和edits文件都是经过序列化的，在NameNode启动的时候，它会将fsimage文件中的内容加载到内存中，之后再执行edits文件中的各项操作，使得内存中的元数据和实际的同步，存在内存中的元数据支持客户端的读操作，也是最完整的数据
4. 当客户端对HDFS中的文件进行新增或者修改操作，操作记录首先被记入edits日志文件中，当客户端操作成功后，相应的元数据会更新到内存元数据中。因为fsimage文件一般都很大，如果所有的更新操作都往fsimage文件中添加，这样会导致系统运行的十分缓慢