HDFS数据完整性

为了保证数据的完整性，一般採用数据校验技术：
1、奇偶校验技术
2、md5，sha1等校验技术
3、CRC-32循环冗余校验技术
4、ECC内存纠错校验技术

HDFS数据完整性
1、HDFS以透明方式校验全部写入的数据。能够通过io.bytes.per.checksum属性设置，字节数默认是512 字节。创建一个单独的校验和。假设节点检測数据错误。就会报CheckSumException异常。
2、除了在读取数据时进行验证，数据节点也会在后台执行一个线程
DataBlockscanner（数据块检測程序）周期性的验证存储在数据节点上的全部块。
3、一旦检測到corruptblock，在heartbeat阶段，DN会收到NN发来的Block Command。从其它数据块中拷贝一份新的replica（备份块）。

本地文件系统
假设使用本地文件系统file:///，在写一个文件file的时候。会隐式创建一个file.crc文件。包括每一个数据块的checksum。

使用FileSystem.setVerifyChecksum(false)来禁用校验和验证，也能够在shell命令中使用-ignoreCrc选项。

禁用校验的方法还能够通过RawLocalFilesystem原生支持校验和。底层文件系统原生支持校验和，这里通过 RawLocalFileSystem来替代LocalFileSystem完毕。
1、通过设置fs.file.impl的值为org.apache.hadoop.fs,RawLocalFileSystem
2、建立它的实例

LocalFileSystem继承于ChecksumFileSystem，
ChecksumFileSystem提供了文件校验的系统功能。

package org.apache.hadoop.fs;

/**********************************************************
Implement the FileSystem API for the raw local filesystem.
*************************************************************/
public class RawLocalFileSystem extends FileSystem {
}

public abstract class ChecksumFileSystem extends FilterFileSystem {
}

public class LocalFileSystem extends ChecksumFileSystem {
}

验证是否存在file.crc文件

package Compress;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.ChecksumFileSystem;
import org.apache.hadoop.fs.LocalFileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.mapreduce.Job;

public class CheckpointFileSystem {
    public static void main(String[] args) throws IOException {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "DeCodec");  
        //打包执行必须执行的方法
        job.setJarByClass(CheckpointFileSystem.class);
        LocalFileSystem localFileSystem = ChecksumFileSystem.getLocal(conf);
        System.out.println(
                localFileSystem.getChecksumFile(new Path("/liguodong/data")));      
    }
}

[root@master liguodong]# yarn jar checksum.jar
/liguodong/.data.crc