HDFS

第1章 HDFS概述

1.1 HDFS产出背景及定义

　　（1）产生背景

　　随着数据量越来越大，在一个操作系统存不下所有的数据，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，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。HDFS只是分布式文件管理系统中的一种。

　　（2）定义

　　HDFS（Hadoop Distributed File System），它是一个文件系统，用于存储文件，通过目录树来定位文件；其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色。
　　HDFS使用场景：适合一次写入，多次读出的场景。且不支持文件的修改。适合用来做数据分析，不适合用来做网盘应用。

1.2 HDFS优缺点

1.2.1 优点

　　1）高容错

　　（1）数据自动保存多个副本。它通过增加副本的形式，提高容错性。
　　（2）某个副本丢失以后，它可以自动恢复。

　　2）适合处理大数据

　　（1）数据规模：能够处理数据规模达到GB、TB甚至PB级别的数据
　　（2）文件规模：能够处理百万规模以上的文件数量，数量相当之大

　　3）可构建在廉价机器上，通过多副本机制，提高可靠性。

1.2.2 缺点

　　1）不适合低延时数据访问，比如毫秒级的存储数据是做不到的
　　2）无法高效的对大量小文件进行存储。
　　（1）存储大量小文件，会占用NameNode大量的内存来存储文件目录和块信息，这样是不可取的，因为NameNode的内存总是有限的
　　（2）小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标。
　　3）不支持并发写入、文件随机修改
　　（1）一个文件只能有一个写，不允许多个线程同时写
　　（2）仅支持数据append（追加），不支持文件的随机修改

1.3 HDFS组成架构

　　1）NameNode（nn）：Master，它是一个主管、管理者
　　（1）管理HDFS的名称空间
　　（2）配置副本策略
　　（3）管理数据块（Block）映射信息
　　（4）处理客户端读写请求
　　2）DateNode（dn）：Slave，NameNode下达命令，DataNode执行实际的操作
　　（1）存储实际的数据块
　　（2）执行数据块的读/写操作
　　3）Client：客户端
　　（1）文件切分，文件上传HDFS时，将文件切分为一个一个的Block，然后再上传
　　（2）与NameNode交互，获取文件的位置信息
　　（3）与DataNode交互，读取或者写入数据
　　（4）提供一些命令来管理HDFS，比如NameNode格式化
　　（5）通过一些命令来访问HDFS。比如对HDFS的增删查改操作
　　4）Secondary NameNode：并非NameNode的热备。当NameNode挂掉时，它并不能马上替换NameNode并提供服务
　　（1）辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode
　　（2）紧急情况下可辅助恢复NameNode

1.4 HDFS文件块大小（面试重点）

　　1.HDFS中的文件在物理上是分块存储（Block），块的大小可以通过配置参数（dfs.block.size）来规定，默认大小在Hadoop2.x中是128M，老版本中是64M
　　2.若寻址时间约为10ms（查找目标block的时间）
　　3.寻址时间为传输时间的1%时，则为最佳状态。因此，传输时间=10ms/0.01=1s
　　4.目前磁盘的传输速率普遍在100MB/s

　　为什么块的大小不能设置太小，也不能设置太大？
　　（1）HDFS的块设置太小，会增加寻址时间，程序一直在寻找块的开始位置
　　（2）若块设置的太大，从磁盘传输数据的时间会明显大于定位块开始位置所需时间，导致程序在处理块数据时，会非常慢。
　　总而言之：HDFS块的大小设置主要取决于磁盘传输速率

第2章 HDFS的Shell操作（开发重点）

2.1 基本语法

　　bin/hadoop fs 具体命令   OR  　　bin/hdfs dfs 具体命令

2.2 命令大全

[atguigu@hadoop102 hadoop-3.1.3]$ bin/hadoop fs

[-appendToFile <localsrc> ... <dst>]
        [-cat [-ignoreCrc] <src> ...]
        [-checksum <src> ...]
        [-chgrp [-R] GROUP PATH...]
        [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
        [-chown [-R] [OWNER][:[GROUP]] PATH...]
        [-copyFromLocal [-f] [-p] <localsrc> ... <dst>]
        [-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-count [-q] <path> ...]
        [-cp [-f] [-p] <src> ... <dst>]
        [-createSnapshot <snapshotDir> [<snapshotName>]]
        [-deleteSnapshot <snapshotDir> <snapshotName>]
        [-df [-h] [<path> ...]]
        [-du [-s] [-h] <path> ...]
        [-expunge]
        [-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-getfacl [-R] <path>]
        [-getmerge [-nl] <src> <localdst>]
        [-help [cmd ...]]
        [-ls [-d] [-h] [-R] [<path> ...]]
        [-mkdir [-p] <path> ...]
        [-moveFromLocal <localsrc> ... <dst>]
        [-moveToLocal <src> <localdst>]
        [-mv <src> ... <dst>]
        [-put [-f] [-p] <localsrc> ... <dst>]
        [-renameSnapshot <snapshotDir> <oldName> <newName>]
        [-rm [-f] [-r|-R] [-skipTrash] <src> ...]
        [-rmdir [--ignore-fail-on-non-empty] <dir> ...]
        [-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
        [-setrep [-R] [-w] <rep> <path> ...]
        [-stat [format] <path> ...]
        [-tail [-f] <file>]
        [-test -[defsz] <path>]
        [-text [-ignoreCrc] <src> ...]
        [-touchz <path> ...]
        [-usage [cmd ...]]

2.3 常用命令实操

2.3.1 准备工作

　　1）启动Hadoop集群（方便后续的测试）

start-dfs.sh
start-yarn.sh

　　2）-help：输出这个命令参数

hadoop fs -help 命令

2.3.2 上传

　　1）-moveFromLocal：从本地剪切粘贴到HDFS

touch kongming.txt
hadoop fs  -moveFromLocal  ./kongming.txt  /sanguo/shuguo

　　2）-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

hadoop fs -copyFromLocal README.txt /

　　3）-appendToFile：追加一个文件到已经存在的文件末尾

touch liubei.txt
vi liubei.txt

　#输入

　san gu mao lu

hadoop fs -appendToFile liubei.txt /sanguo/shuguo/kongming.txt

　　4）-put：等同于copyFromLocal

hadoop fs -put ./zaiyiqi.txt /user/atguigu/test/

2.3.3 下载

　　1）-copyToLocal：从HDFS拷贝到本地

hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./

　　2）-get：等同于copyToLocal，就是从HDFS下载文件到本地

hadoop fs -get /sanguo/shuguo/kongming.txt ./

　　3）-getmerge：合并下载多个文件，比如HDFS的目录 /user/atguigu/test下有多个文件:log.1, log.2,log.3,...

hadoop fs -getmerge /user/atguigu/test/* ./zaiyiqi.txt

2.3.4 HDFS直接操作

　　1）-ls: 显示目录信息

hadoop fs -ls /

　　2）-mkdir：在HDFS上创建目录

hadoop fs -mkdir -p /sanguo/shuguo

　　3）-cat：显示文件内容

hadoop fs -cat /sanguo/shuguo/kongming.txt

　　4）-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限

hadoop fs  -chmod  666  /sanguo/shuguo/kongming.txt
hadoop fs  -chown  atguigu:atguigu   /sanguo/shuguo/kongming.txt

　　5）-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径

hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt

　　6）-mv：在HDFS目录中移动文件

hadoop fs -mv /zhuge.txt /sanguo/shuguo/

　　7）-tail：显示一个文件的末尾

hadoop fs -tail /sanguo/shuguo/kongming.txt

　　8）-rm：删除文件或文件夹

hadoop fs -rm /user/atguigu/test/jinlian2.txt

　　9）-rmdir：删除空目录

hadoop fs -mkdir /test

　　10）-du统计文件夹的大小信息

hadoop fs -du -s -h /user/atguigu/test

hadoop fs -du  -h /user/atguigu/

　　11）-setrep：设置HDFS中文件的副本数量

hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt

　　这里设置的副本数只是记录在NameNode的元数据中，是否真的会有这么多副本，还得看DataNode的数量。因为目前只有3台设备，最多也就3个副本，只有节点数的增加到10台时，副本数才能达到10

第3章 HDFS客户端操作（开发重点）

3.1 HDFS客户端环境准备

　　1）找到资料目录下的Windows依赖目录，打开：

　　选择Hadoop-3.1.0，拷贝到其他地方即可(比如C:\workspace\root\hadoop-3.0\)。

　　百度网盘下载地址：https://pan.baidu.com/s/1PyD4RGnFxSTg303LvV7Etw

　　提取码：yuan

　　2）配置HADOOP_HOME环境变量。

　　3）配置Path环境变量。然后重启电脑

　　4）如果上述操作后还有问题可以将bin目录下hadoop.dll和winutils.exe放到

　　　　C:/windows/system32目录下

　　5）创建一个Maven工程HdfsClientDemo，并导入相应的依赖坐标+日志添加

<dependencies>
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>4.12</version>
    </dependency>

    <dependency>
        <groupId>org.apache.logging.log4j</groupId>
        <artifactId>log4j-slf4j-impl</artifactId>
        <version>2.12.0</version>
    </dependency>


    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>3.1.3</version>
    </dependency>
</dependencies>

　　在项目的src/main/resources目录下，新建一个文件，命名为“log4j2.xml”，在文件中填入

<?xml version="1.0" encoding="UTF-8"?>
<Configuration status="error" strict="true" name="XMLConfig">
    <Appenders>
        <!-- 类型名为Console，名称为必须属性 -->
        <Appender type="Console" name="STDOUT">
            <!-- 布局为PatternLayout的方式，
            输出样式为[INFO] [2018-01-22 17:34:01][org.test.Console]I'm here --        >
            <Layout type="PatternLayout"
                    pattern="[%p] [%d{yyyy-MM-dd HH:mm:ss}][%c{10}]%m%n" />
        </Appender>
    </Appenders>

    <Loggers>
        <!-- 可加性为false -->
        <Logger name="test" level="info" additivity="false">
            <AppenderRef ref="STDOUT" />
        </Logger>

        <!-- root loggerConfig设置 -->
        <Root level="info">
            <AppenderRef ref="STDOUT" />
        </Root>
    </Loggers>
</Configuration>

　　6）创建包名：com.yuange.hdfs

　　7）创建HdfsClient类

public class HdfsClient{
　　@Test
　　public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{
　　　　// 1 获取文件系统
　　　　Configuration configuration = new Configuration();

　　　　// 配置在集群上运行
　　　　// configuration.set("fs.defaultFS", "hdfs://hadoop102:9820");
　　　　// FileSystem fs = FileSystem.get(configuration);
　　　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　　　// 2 创建目录
　　　　fs.mkdirs(new Path("/1108/daxian/banzhang"));

　　　　// 3 关闭资源
　　　　fs.close();
　　}
}

　　8）执行程序

　　　　运行时需要配置用户名称

　　客户端去操作HDFS时，是有一个用户身份的。默认情况下，HDFS客户端API会从JVM中获取一个参数来作为自己的用户身份：-DHADOOP_USER_NAME=atguigu，atguigu为用户名称。

3.2 HDFS的API操作

3.2.1 HDFS文件上传（测试参数优先级）

　　1）编写源代码

@Test
public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {
　　// 1 获取文件系统
　　Configuration configuration = new Configuration();
　　configuration.set("dfs.replication", "2");
　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　// 2 上传文件
　　fs.copyFromLocalFile(new Path("e:/banzhang.txt"), new Path("/banzhang.txt"));

　　// 3 关闭资源
　　fs.close();

　　System.out.println(fs);
}

　　2）将hdfs-site.xml拷贝到项目的根目录下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
　　<property>
　　　　<name>dfs.replication</name>
       <value>1</value>
　　</property>
</configuration>

　　3）参数优先级

　　参数优先级排序：（1）客户端代码中设置的值 >（2）ClassPath下的用户自定义配置文件 >（3）然后是服务器的默认配置

3.2.2 HDFS文件下载

@Test
public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{
　　// 1 获取文件系统
　　Configuration configuration = new Configuration();
　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　// 2 执行下载操作
　　// boolean delSrc 指是否将原文件删除
　　// Path src 指要下载的文件路径
　　// Path dst 指将文件下载到的路径
　　// boolean useRawLocalFileSystem 是否开启文件校验
　　fs.copyToLocalFile(false, new Path("/banzhang.txt"), new Path("e:/banhua.txt"), true);

　　// 3 关闭资源
　　fs.close();
}

3.2.3 HDFS文件夹删除

@Test
public void testDelete() throws IOException, InterruptedException, URISyntaxException{
　　// 1 获取文件系统
　　Configuration configuration = new Configuration();
　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　// 2 执行删除
　　fs.delete(new Path("/0508/"), true);

　　// 3 关闭资源
　　fs.close();
}

3.2.4 HDFS文件名更改

@Test
public void testRename() throws IOException, InterruptedException, URISyntaxException{
　　// 1 获取文件系统
　　Configuration configuration = new Configuration();
　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　// 2 修改文件名称
　　fs.rename(new Path("/banzhang.txt"), new Path("/banhua.txt"));

　　// 3 关闭资源
　　fs.close();
}

3.2.5 HDFS文件详情查看

　　查看文件名称、权限、长度、块信息

@Test
public void testListFiles() throws IOException, InterruptedException, URISyntaxException{
　　// 1获取文件系统
　　Configuration configuration = new Configuration();
　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　// 2 获取文件详情
　　RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
　　while(listFiles.hasNext()){
　　　　LocatedFileStatus status = listFiles.next();
　　　　// 输出详情
　　　　// 文件名称
　　　　System.out.println(status.getPath().getName());
　　　　// 长度
　　　　System.out.println(status.getLen());
　　　　// 权限
　　　　System.out.println(status.getPermission());
　　　　// 分组
　　　　System.out.println(status.getGroup());
　　　　// 获取存储的块信息
　　　　BlockLocation[] blockLocations = status.getBlockLocations();
　　　　for (BlockLocation blockLocation : blockLocations) {
　　　　　　// 获取块存储的主机节点
　　　　　　String[] hosts = blockLocation.getHosts();
　　　　　　for (String host : hosts) {
　　　　　　　　System.out.println(host);
　　　　　　}
　　　　}
　　　　System.out.println("-----------班长的分割线----------");
　　}
　　// 3 关闭资源
　　fs.close();
}

3.2.6 HDFS文件和文件夹判断

@Test
public void testListStatus() throws IOException, InterruptedException, URISyntaxException{
　　// 1 获取文件配置信息
　　Configuration configuration = new Configuration();
　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　// 2 判断是文件还是文件夹
　　FileStatus[] listStatus = fs.listStatus(new Path("/"));
　　for (FileStatus fileStatus : listStatus) {
　　　　// 如果是文件
　　　　if (fileStatus.isFile()) {
　　　　　　System.out.println("f:"+fileStatus.getPath().getName());
　　　　}else {
　　　　　　System.out.println("d:"+fileStatus.getPath().getName());
　　　　}
　　}
　　// 3 关闭资源
　　fs.close();
}

第4章 HDFS的数据流（面试重点）

4.1 HDFS写数据流程

4.1.1 剖析文件写入

　　（1）客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。

　　（2）NameNode返回是否可以上传。

　　（3）客户端请求第一个 Block上传到哪几个DataNode服务器上。

　　（4）NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。

　　（5）客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成。

　　（6）dn1、dn2、dn3逐级应答客户端。

　　（7）客户端开始往dn1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，dn1收到一个Packet就会传给dn2，dn2传给dn3；dn1每传一个packet会放入一个应答队列等待应答。

　　（8）当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器。（重复执行3-7步）。

4.1.2 网络拓扑-节点距离计算

　　在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？

　　节点距离：两个节点到达最近的共同祖先的距离总和。

　　例如，假设有数据中心d1机架r1中的节点n1。该节点可以表示为/d1/r1/n1。利用这种标记，这里给出四种距离描述。

4.1.3 机架感知（副本存储节点选择）

　　1）官方IP地址

　　机架感知说明：http://hadoop.apache.org/docs/r3.1.3/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication

　　For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on the local machine if the writer is on a datanode, otherwise on a random datanode, another replica on a node in a different (remote) rack, and the last on a different node in the same remote rack.

　　2）Hadoop3.1.3副本节点选择

4.2 HDFS读数据流程

　　（1）客户端通过Distributed FileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。

　　（2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。

　　（3）DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet为单位来做校验）。

　　（4）客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。

第5章 NameNode和SecondaryNameNode（面试开发重点）

5.1 NN和2NN工作机制

　　思考：NameNode中的元数据是存储在哪里的？

　　首先，我们做个假设，如果存储在NameNode节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的FsImage。

　　这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新FsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦NameNode节点断电，就会产生数据丢失。因此，引入Edits文件(只进行追加操作，效率很高)。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到Edits中。这样，一旦NameNode节点断电，可以通过FsImage和Edits的合并，合成元数据。

　　但是，如果长时间添加数据到Edits中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。因此，需要定期进行FsImage和Edits的合并，如果这个操作由NameNode节点完成，又会效率过低。因此，引入一个新的节点SecondaryNamenode，专门用于FsImage和Edits的合并。

　　1）第一阶段：NameNode启动

　　（1）第一次启动NameNode格式化后，创建Fsimage和Edits文件。如果不是第一次启动，直接加载编辑日志和镜像文件到内存。

　　（2）客户端对元数据进行增删改的请求。

　　（3）NameNode记录操作日志，更新滚动日志。

　　（4）NameNode在内存中对元数据进行增删改。

　　2）第二阶段：Secondary NameNode工作

　　（1）Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果。

　　（2）Secondary NameNode请求执行CheckPoint。

　　（3）NameNode滚动正在写的Edits日志。

　　（4）将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。

　　（5）Secondary NameNode加载编辑日志和镜像文件到内存，并合并。

　　（6）生成新的镜像文件fsimage.chkpoint。

　　（7）拷贝fsimage.chkpoint到NameNode。

　　（8）NameNode将fsimage.chkpoint重新命名成fsimage。

5.2 Fsimage和Edits解析

　　1）oiv查看Fsimage文件

　　（1）查看oiv和oev命令

hdfs

　　（2）基本语法：hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径

　　（3）案例实操

pwd

hdfs oiv -p XML -i fsimage_0000000000000000761 -o /opt/module/hadoop-3.1.3/fsimage.xml
cat /opt/module/hadoop-3.1.3/fsimage.xml

　　思考：可以看出，Fsimage中没有记录块所对应DataNode，为什么？

　　在集群启动后，要求DataNode上报数据块信息，并间隔一段时间后再次上报。

　　2）oev查看Edits文件

　　（1）基本语法

　　　　hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径

　　（2）案例实操

hdfs oev -p XML -i edits_0000000000000000001-0000000000000000112 -o /opt/module/hadoop-3.1.3/edits.xml
cat /opt/module/hadoop-3.1.3/edits.xml

　　思考：NameNode如何确定下次开机启动的时候合并哪些Edits？

5.3 CheckPoint时间设置

　　1）通常情况下，SecondaryNameNode每隔一小时执行一次。

　　　　[hdfs-default.xml]

<property>
 　　　　 <name>dfs.namenode.checkpoint.period</name>
 　　　　 <value>3600</value>
</property>

　　2）一分钟检查一次操作次数，当操作次数达到1百万时，SecondaryNameNode执行一次。

<property>
  <name>dfs.namenode.checkpoint.txns</name>
  <value>1000000</value>
<description>操作动作次数</description>
</property>

<property>
  <name>dfs.namenode.checkpoint.check.period</name>
  <value>60</value>
    <description> 1分钟检查一次操作次数</description>
</property>

5.4 NameNode故障处理（扩展）

　　NameNode故障后，可以采用如下两种方法恢复数据。

　　1）将SecondaryNameNode中数据拷贝到NameNode存储数据的目录；

　　（1）kill -9 NameNode进程

　　（2）删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/tmp/dfs/name）

rm -rf /opt/module/hadoop-3.1.3/data/tmp/dfs/name/*

　　（3）拷贝SecondaryNameNode中数据到原NameNode存储数据目录

scp -r atguigu@hadoop104:/opt/module/hadoop-3.1.3/data/tmp/dfs/namesecondary/* ./name/

　　（4）重新启动NameNode

hdfs --daemon start namenode

　　2）使用-importCheckpoint选项启动NameNode守护进程，从而将SecondaryNameNode中数据拷贝到NameNode目录中。

　　（1）修改hdfs-site.xml中的

<property>
    <name>dfs.namenode.checkpoint.period</name>
    <value>120</value>
</property>

<property>
    <name>dfs.namenode.name.dir</name>
    <value>/opt/module/hadoop-3.1.3/data/tmp/dfs/name</value>
</property>

　　（2）kill -9 NameNode进程

　　（3）删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/tmp/dfs/name）

rm -rf /opt/module/hadoop-3.1.3/data/tmp/dfs/name/*

　　（4）如果SecondaryNameNode不和NameNode在一个主机节点上，需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录，并删除in_use.lock文件

scp -r atguigu@hadoop104:/opt/module/hadoop-3.1.3/data/tmp/dfs/namesecondary ./
rm -rf in_use.lock
pwd
/opt/module/hadoop-3.1.3/data/tmp/dfs
ls
data  name  namesecondary

　　（5）导入检查点数据（等待一会ctrl+c结束掉）

bin/hdfs namenode -importCheckpoint

　　（6）启动NameNode

hdfs --daemon start namenode

5.5 集群安全模式

　　1）基本语法

　　　　集群处于安全模式，不能执行重要操作（写操作）。集群启动完成后，自动退出安全模式。

　　（1）bin/hdfs dfsadmin -safemode get （功能描述：查看安全模式状态）

　　（2）bin/hdfs dfsadmin -safemode enter   （功能描述：进入安全模式状态）

　　（3）bin/hdfs dfsadmin -safemode leave （功能描述：离开安全模式状态）

　　（4）bin/hdfs dfsadmin -safemode wait （功能描述：等待安全模式状态）

　　2）案例

　　　　模拟等待安全模式

　　3）查看当前模式

hdfs dfsadmin -safemode get

　　4）先进入安全模式

bin/hdfs dfsadmin -safemode enter

　　5）创建并执行下面的脚本

　　在/opt/module/hadoop-3.1.3路径上，编辑一个脚本safemode.sh

touch safemode.sh
vim safemode.sh

#!/bin/bash

hdfs dfsadmin -safemode wait

hdfs dfs -put /opt/module/hadoop-3.1.3/README.txt /

　chmod 777 safemode.sh

　./safemode.sh

　　6）再打开一个窗口，执行

bin/hdfs dfsadmin -safemode leave

　　7）观察

　　8）再观察上一个窗口

Safe mode is OFF

　　9）HDFS集群上已经有上传的数据了。

第6章 DataNode（面试开发重点）

6.1 DataNode工作机制

　　（1）一个数据块在DataNode上以文件形式存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳。

　　（2）DataNode启动后向NameNode注册，通过后，周期性（1小时）的向NameNode上报所有的块信息。

　　（3）心跳是每3秒一次，心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器，或删除某个数据块。如果超过10分钟没有收到某个DataNode的心跳，则认为该节点不可用。

　　（4）集群运行中可以安全加入和退出一些机器。

6.2 数据完整性

　　思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0），但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理DataNode节点上的数据损坏了，却没有发现，是否也很危险，那么如何解决呢？

　　如下是DataNode节点保证数据完整性的方法。

　　（1）当DataNode读取Block的时候，它会计算CheckSum。

　　（2）如果计算后的CheckSum，与Block创建时值不一样，说明Block已经损坏。

　　（3）Client读取其他DataNode上的Block。

　　（4）DataNode在其文件创建后周期验证CheckSum。

6.3 掉线时限参数设置

　　需要注意的是hdfs-site.xml 配置文件中的heartbeat.recheck.interval的单位为毫秒，dfs.heartbeat.interval的单位为秒。

<property>
    <name>dfs.namenode.heartbeat.recheck-interval</name>
    <value>300000</value>
</property>
<property>
    <name>dfs.heartbeat.interval</name>
    <value>3</value>
</property>

6.4 服役新数据节点

　　1）需求

　　　　随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据的需求，需要在原有集群基础上动态添加新的数据节点。

　　2）环境准备

　　（1）在hadoop104主机上再克隆一台hadoop105主机

　　（2）修改IP地址和主机名称

　　（3）删除原来HDFS文件系统留存的文件（/opt/module/hadoop-3.1.3/data和logs），最好把 /tmp/* 下的文件也删除，防止出错

　　（4）source一下配置文件

source /etc/profile

　　3）服役新节点具体步骤

　　（1）直接启动DataNode，即可关联到集群

hdfs --daemon start datanode
yarn-daemon.sh start nodemanager

　　（2）在hadoop105上上传文件

hadoop fs -put /opt/module/hadoop-3.1.3/LICENSE.txt /

　　（3）如果数据不均衡，可以用命令实现集群的再平衡

./start-balancer.sh

6.5 退役旧数据节点

6.5.1 添加白名单

　　添加到白名单的主机节点，都允许访问NameNode，不在白名单的主机节点，都会被退出。

　　配置白名单的具体步骤如下：

　　1）在NameNode的/opt/module/hadoop-3.1.3/etc/hadoop目录下创建dfs.hosts文件

pwd

vim dfs.hosts

添加如下主机名称（不添加hadoop105）

hadoop102

hadoop103

hadoop104

　　2）在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性

<property>
    <name>dfs.hosts</name>
    <value>/opt/module/hadoop-3.1.3/etc/hadoop/dfs.hosts</value>
</property>

　　3）配置文件分发

xsync hdfs-site.xml

　　4）刷新NameNode

hdfs dfsadmin -refreshNodes

　　5）更新ResourceManager节点

yarn rmadmin -refreshNodes

　　6）在web浏览器上查看：http://hadoop102:9870/dfshealth.html#tab-datanode

　　7）如果数据不均衡，可以用命令实现集群的再平衡

start-balancer.sh

6.5.2 黑名单退役

　　在黑名单上面的主机都会被强制退出。

　　1）在NameNode的/opt/module/hadoop-3.1.3/etc/hadoop目录下创建dfs.hosts.exclude文件

pwd

vi dfs.hosts.exclude

添加如下主机名称（要退役的节点）

hadoop105

　　2）在NameNode的hdfs-site.xml配置文件中增加dfs.hosts.exclude属性

<property>
    <name>dfs.hosts.exclude</name>
    <value>/opt/module/hadoop-3.1.3/etc/hadoop/dfs.hosts.exclude</value>
</property>

　　3）刷新NameNode、刷新ResourceManager

hdfs dfsadmin -refreshNodes

yarn rmadmin -refreshNodes（注意：在配置yarn的节点进行刷新，不然的话就会提示yarn所在的节点的ip地址）

　　4）检查Web浏览器，退役节点的状态为decommission in progress（退役中），说明数据节点正在复制块到其他节点

　　5）等待退役节点状态为decommissioned（所有块已经复制完成），停止该节点及节点资源管理器。

　　　注意：如果副本数是3，服役的节点小于等于3，是不能退役成功的，需要修改副本数后才能退役

hdfs --daemon stop datanode

yarn-daemon.sh stop nodemanager

　　6）如果数据不均衡，可以用命令实现集群的再平衡

start-balancer.sh

　　注意：不允许白名单和黑名单中同时出现同一个主机名称。

6.6 Datanode多目录配置

　　1）DataNode也可以配置成多个目录，每个目录存储的数据不一样。即：数据不是副本

　　2）hdfs-site.xml具体配置如下

<property>
　　<name>dfs.datanode.data.dir</name>
　　<value>file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value>
</property>