zoukankan      html  css  js  c++  java
  • [BigData]关于Hadoop学习笔记第二天(PPT总结)(一)

    Plan:

    分布式文件系统与HDFS
    HDFS体系结构与基本概念
    HDFS的shell操作
    java接口及常用api
    HADOOP的RPC机制
    HDFS源码分析
    远程debug

    自己设计一分布式文件系统?

    Distributed File System

    1.数据量越来越多,在一个操作系统管辖的范围存不下了,那么就分配到更多的操作系统管理的磁盘中,但是不方便管理和维护,因此迫切需要一种系统来管理多台机器上的文件,这就是分布式文件管理系统 。
    2.是一种允许文件通过网络在多台主机上分享的文件系统,可让多机器上的多用户分享文件和存储空间。
    3.通透性。让实际上是通过网络来访问文件的动作,由程序与用户看来,就像是访问本地的磁盘一般。
    4.容错。即使系统中有某些节点脱机,整体来说系统仍然可以持续运作而不会有数据损失。
    5.分布式文件管理系统很多,hdfs只是其中一种。适用于一次写入多次查询的情况,不支持并发写情况,小文件不合适。
    HDFS的Shell
    1.调用文件系统(FS)Shell命令应使用 bin/hadoop fs 的形式。
    2.所有的FS shell命令使用URI路径作为参数。

     URI格式是scheme://authority/path。HDFS的scheme是hdfs,对本地文件系统,scheme是file。其中scheme和authority参数都是可选的,如果未加指定,就会使用配置中指定的默认scheme。

     例如:/parent/child可以表示成hdfs://namenode:namenodePort/parent/child,或者更简单的/parent/child(假设配置文件是namenode:namenodePort)

    3.大多数FS Shell命令的行为和对应的Unix Shell命令类似。
    HDFS fs命令
    -help [cmd]  //显示命令的帮助信息
    -ls(r) <path>  //显示当前目录下所有文件
    -du(s) <path>  //显示目录中所有文件大小
    -count[-q] <path>  //显示目录中文件数量
    -mv <src> <dst>  //移动多个文件到目标目录
    -cp <src> <dst>  //复制多个文件到目标目录
    -rm(r)  //删除文件(夹)
    -put <localsrc> <dst>  //本地文件复制到hdfs
    -copyFromLocal  //同put
    -moveFromLocal  //从本地文件移动到hdfs
    -get [-ignoreCrc] <src> <localdst>  //复制文件到本地,可以忽略crc校验
    -getmerge <src> <localdst>  //将源目录中的所有文件排序合并到一个文件中
    -cat <src>  //在终端显示文件内容
    -text <src>  //在终端显示文件内容
    -copyToLocal [-ignoreCrc] <src> <localdst>  //复制到本地
    -moveToLocal <src> <localdst>
    -mkdir <path>  //创建文件夹
    -touchz <path>  //创建一个空文件
    HDFS的Shell命令练习
    #hadoop fs -ls /  查看HDFS根目录
    #hadoop fs -mkdir /test 在根目录创建一个目录test

        #hadoop fs -mkdir /test1 在根目录创建一个目录test1

    #hadoop fs -put ./test.txt /test 
    或#hadoop fs -copyFromLocal ./test.txt /test

        #hadoop fs -get /test/test.txt .

       或#hadoop fs -getToLocal /test/test.txt .

    #hadoop fs -cp /test/test.txt /test1
    #hadoop fs -rm /test1/test.txt
    #hadoop fs -mv /test/test.txt /test1
    #hadoop fs -rmr /test1   
    HDFS架构
    NameNode
    DataNode
    Secondary NameNode
    HDFS Architecture
    元数据存储细节
     
    NameNode
    1.是整个文件系统的管理节点。它维护着整个文件系统的文件目录树,文件/目录的元信息和每个文件对应的数据块列表。接收用户的操作请求。
    2.文件包括:
    ①fsimage:元数据镜像文件。存储某一时段NameNode内存元数据信息。(hdfs-site.xml的dfs.name.dir属性)
    ②edits:操作日志文件。
    ③fstime:保存最近一次checkpoint的时间
    3.以上这些文件是保存在linux的文件系统中。
    NameNode的工作特点 
    1.Namenode始终在内存中保存metedata,用于处理“读请求”
    2.到有“写请求”到来时,namenode会首先写editlog到磁盘,即向edits文件中写日志,成功返回后,才会修改内存,并且向客户端返回
    3.Hadoop会维护一个fsimage文件,也就是namenode中metedata的镜像,但是fsimage不会随时与namenode内存中的metedata保持一致,而是每隔一段时间通过合并edits文件来更新内容。Secondary namenode就是用来合并fsimage和edits文件来更新NameNode的metedata的。
    SecondaryNameNode
    1.HA的一个解决方案。但不支持热备。配置即可。
    2.执行过程:从NameNode上下载元数据信息(fsimage,edits),然后把二者合并,生成新的fsimage,在本地保存,并将其推送到NameNode,替换旧的fsimage.
    3.默认在安装在NameNode节点上,但这样...不安全!
    secondary namenode的工作流程
    1.secondary通知namenode切换edits文件
    2.secondary从namenode获得fsimage和edits(通过http)
    3.secondary将fsimage载入内存,然后开始合并edits
    4.secondary将新的fsimage发回给namenode
    5.namenode用新的fsimage替换旧的fsimage
    什么时候checkpiont 
    1.fs.checkpoint.period 指定两次checkpoint的最大时间间隔,默认3600秒。
    2.fs.checkpoint.size    规定edits文件的最大值,一旦超过这个值则强制checkpoint,不管是否到达最大时间间隔。默认大小是64M。
     
     
    Datanode
    1.提供真实文件数据的存储服务。
    2.文件块(block):最基本的存储单位。对于文件内容而言,一个文件的长度大小是size,那么从文件的0偏移开始,按照固定的大小,顺序对文件进行划分并编号,划分好的每一个块称一个Block。HDFS默认Block大小是128MB,以一个256MB文件,共有256/128=2个Block.

    dfs.block.size

    3.不同于普通文件系统的是,HDFS中,如果一个文件小于一个数据块的大小,并不占用整个数据块存储空间
    4.Replication。多复本。默认是三个。

    hdfs-site.xml的dfs.replication属性

    Shell命令练习:验证块大小
    1.方法:上传大于128MB的文件,观察块大小
    2.验证:使用 http://hadoop0:50070 观察

    HDFS的java访问接口——FileSystem

    •写文件 create
    •读取文件 open
    •删除文件delete
    •创建目录 mkdirs
    •删除文件或目录 delete
    •列出目录的内容 listStatus
    •显示文件系统的目录和文件的元数据信息 getFileStatus

     HDFS的FileSystem读取文件

        private static FileSystem getFileSystem() throws URISyntaxException,
                IOException {
            Configuration conf = new Configuration();
            URI uri = new URI("hdfs://hadoop240:9000");
            final FileSystem fileSystem = FileSystem.get(uri , conf);
            return fileSystem;
        }
        /**
         * 读取文件,调用fileSystem的open(path)
         * @throws Exception
         */
        private static void readFile() throws Exception {
            FileSystem fileSystem = getFileSystem();
            FSDataInputStream openStream = fileSystem.open(new Path("hdfs://itcast0106:9000/aaa"));
            IOUtils.copyBytes(openStream, System.out, 1024, false);
            IOUtils.closeStream(openStream);
        }

    HDFS的FileSystem目录

        /**
         * 创建目录,调用fileSystem的mkdirs(path)
         * @throws Exception
         */
        private static void mkdir() throws Exception {
            FileSystem fileSystem = getFileSystem();
            fileSystem.mkdirs(new Path("hdfs://itcast0106:9000/bbb"));
        }
        /**
         * 删除目录,调用fileSystem的deleteOnExit(path)
         * @throws Exception
         */
        private static void rmdir() throws Exception {
            FileSystem fileSystem = getFileSystem();
            fileSystem.delete(new Path("hdfs://itcast0106:9000/bbb"));
        }

    HDFS的FileSystem遍历目录

    /**
         * 遍历目录,使用FileSystem的listStatus(path)
         * 如果要查看file状态,使用FileStatus对象
         * @throws Exception
         */
        private static void list() throws Exception{
            FileSystem fileSystem = getFileSystem();
            FileStatus[] listStatus = fileSystem.listStatus(new Path("hdfs://itcast0106:9000/"));
            for (FileStatus fileStatus : listStatus) {
                String isDir = fileStatus.isDir()?"目录":"文件";
                String name = fileStatus.getPath().toString();
                System.out.println(isDir+"  "+name);
            }
        }

    FileSystem

    用户代码操作HDFS时,是直接调用FileSystem的子类完成的。

    Remote Procedure Call

    1.RPC——远程过程调用协议,它是一种通过网络从远程计算机程序上请求服务,而不需要了解底层网络技术的协议。RPC协议假定某些传输协议的存在,如TCP或UDP,为通信程序之间携带信息数据。在OSI网络通信模型中,RPC跨越了传输层和应用层。RPC使得开发包括网络分布式多程序在内的应用程序更加容易。
    2.RPC采用客户机/服务器模式。请求程序就是一个客户机,而服务提供程序就是一个服务器。首先,客户机调用进程发送一个有进程参数的调用信息到服务进程,然后等待应答信息。在服务器端,进程保持睡眠状态直到调用信息的到达为止。当一个调用信息到达,服务器获得进程参数,计算结果,发送答复信息,然后等待下一个调用信息,最后,客户端调用进程接收答复信息,获得进程结果,然后调用执行继续进行。
    3.hadoop的整个体系结构就是构建在RPC之上的(见org.apache.hadoop.ipc)。
    RPC示例
    public interface Bizable extends  VersionedProtocol{
        public abstract String hello(String name);
    }
    
    class Biz implements Bizable{
        @Override
        public String hello(String name){
            System.out.println("被调用了");
            return "hello "+name;
        }
    
        @Override
        public long getProtocolVersion(String protocol, long clientVersion)
                throws IOException {
            System.out.println("Biz.getProtocalVersion()="+MyServer.VERSION);
            return MyServer.VERSION;
        }
    }
    
    public class MyServer {
        public static int PORT = 3242;
        public static long VERSION = 23234l;
        
        public static void main(String[] args) throws IOException {
            final Server server = RPC.getServer(new Biz(), "127.0.0.1", PORT, new Configuration());
            server.start();
        }
    }
    
    public class MyClient {
        public static void main(String[] args) throws IOException {
            final InetSocketAddress inetSocketAddress = new InetSocketAddress("127.0.0.1", MyServer.PORT);
            final Bizable proxy = (Bizable) RPC.getProxy(Bizable.class, MyServer.VERSION, inetSocketAddress, new Configuration());
            final String ret = proxy.hello("吴超");
            System.out.println(ret);
            
            RPC.stopProxy(proxy);
        }
    }
    RPC调用流程
    ClientProtocol
    l是客户端(FileSystem)与NameNode通信的接口。
    DatanodeProtocol 
    l是DataNode与NameNode通信的接口
    NamenodeProtocol 
    l是SecondaryNameNode与NameNode通信的接口。
     
    HDFS读过程
    1.初始化FileSystem,然后客户端(client)用FileSystem的open()函数打开文件
    2.FileSystem用RPC调用元数据节点,得到文件的数据块信息,对于每一个数据块,元数据节点返回保存数据块的数据节点的地址。
    3.FileSystem返回FSDataInputStream给客户端,用来读取数据,客户端调用stream的read()函数开始读取数据。
    4.DFSInputStream连接保存此文件第一个数据块的最近的数据节点,data从数据节点读到客户端(client)
    5.当此数据块读取完毕时,DFSInputStream关闭和此数据节点的连接,然后连接此文件下一个数据块的最近的数据节点。
    6.当客户端读取完毕数据的时候,调用FSDataInputStream的close函数。
    7.在读取数据的过程中,如果客户端在与数据节点通信出现错误,则尝试连接包含此数据块的下一个数据节点。
    8.失败的数据节点将被记录,以后不再连接。
    HDFS写过程 
    1.初始化FileSystem,客户端调用create()来创建文件
    2.FileSystem用RPC调用元数据节点,在文件系统的命名空间中创建一个新的文件,元数据节点首先确定文件原来不存在,并且客户端有创建文件的权限,然后创建新文件。
    3.FileSystem返回DFSOutputStream,客户端用于写数据,客户端开始写入数据。
    4.DFSOutputStream将数据分成块,写入data queue。data queue由Data Streamer读取,并通知元数据节点分配数据节点,用来存储数据块(每块默认复制3块)。分配的数据节点放在一个pipeline里。Data Streamer将数据块写入pipeline中的第一个数据节点。第一个数据节点将数据块发送给第二个数据节点。第二个数据节点将数据发送给第三个数据节点。
    5.DFSOutputStream为发出去的数据块保存了ack queue,等待pipeline中的数据节点告知数据已经写入成功。
    6.当客户端结束写入数据,则调用stream的close函数。此操作将所有的数据块写入pipeline中的数据节点,并等待ack queue返回成功。最后通知元数据节点写入完毕。
    7.如果数据节点在写入的过程中失败,关闭pipeline,将ack queue中的数据块放入data queue的开始,当前的数据块在已经写入的数据节点中被元数据节点赋予新的标示,则错误节点重启后能够察觉其数据块是过时的,会被删除。失败的数据节点从pipeline中移除,另外的数据块则写入pipeline中的另外两个数据节点。元数据节点则被通知此数据块是复制块数不足,将来会再创建第三份备份。
     
    练习题
    1.练习shell命令
    2.在HDFS创建一个文本文件hadoop.test。内容自定;然后,用Java程序在本地终端打印hadoop.test文件内容
    3.用Java程序实现copyFromLocal
     
    思考题
    1.hdfs的组成部分有哪些,分别解释一下
    2.hdfs的高可靠如何实现
    3.hdfs的常用shell命令有哪些
    4.hdfs的常用java api有哪些
    5.请用shell命令实现目录、文件的增删改查
    6.请用java api实现目录、文件的增删改查
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
  • 相关阅读:
    Crystal Reports 参考帮助信息
    五个寓言故事令你受益匪浅【来自:Chinabyte】
    设计五原则
    清除SQL日志
    SQL SERVER 2008 函数大全 字符串函数
    Java的内存管理与内存泄露
    Drawable和Bitmap的区别
    Java内存分配原理精讲
    周鸿祎:用户体验,简而未减
    Java编程中“为了性能”需做的26件事
  • 原文地址:https://www.cnblogs.com/DreamDrive/p/4566838.html
Copyright © 2011-2022 走看看