数仓：解读 NameNode 的 edits 和 fsimage 文件内容

一、edits 文件

一）文件组成

1. 一个edits文件记录了一次写文件的过程，该过程被分解成多个部分进行记录；（每条记录在hdfs中有一个编号）
2. 每一个部分为： '<RECORD>...</RECORD>' ；
3. 每一部分包含了：'<OPCODE> ... </OPCODE>'  和 '<DATA> ... </DATA>' 两部分内容；

二）文件内容理解

　　1. 文件首： <OPCODE>OP_START_LOG_SEGMENT</OPCODE>

• <RECORD>
      <OPCODE>OP_START_LOG_SEGMENT</OPCODE>   --- 表示对一次写操作记录的开始
      <DATA>
        <TXID>138</TXID>               ---------- HDFS的第138号记录
      </DATA>
    </RECORD>

　　2. 文件的元数据： <OPCODE>OP_ADD</OPCODE> 

　　　　# a.xml._COPYING_： 写入 'a.xml' 文件的过程中，会先将文件写到该临时文件中，最后再将该文件重命名后存放到DN；

•   <RECORD>
      <OPCODE>OP_ADD</OPCODE>     ------------- 写文件操作
      <DATA>
        <TXID>139</TXID>       ---------------- HDFS的第139号记录
        <LENGTH>0</LENGTH>
        <INODEID>16416</INODEID>
        <PATH>/a.xml._COPYING_</PATH>       --- 写'a.xml'文件的过程中生成临时文件'a.xml._COPYING'
        <REPLICATION>3</REPLICATION>        --- 副本数
        <MTIME>1603341874966</MTIME>        --- 创建时间
        <ATIME>1603341874966</ATIME>        --- 修改时间
        <BLOCKSIZE>134217728</BLOCKSIZE>    --- 文件块的大小：128M
        <CLIENT_NAME>DFSClient_NONMAPREDUCE_-1327338057_1</CLIENT_NAME>   ---- 来源哪个客户端
        <CLIENT_MACHINE>192.168.26.101</CLIENT_MACHINE>        --------------- 通过哪个机器上传的
        <OVERWRITE>true</OVERWRITE>                            --------------- 是否允许被覆盖
        <PERMISSION_STATUS>                                         ---------- 权限信息
          <USERNAME>heyc</USERNAME>                                 ---------- 所属主
          <GROUPNAME>supergroup</GROUPNAME>                         ---------- 所属组
          <MODE>420</MODE>                                          ---------- 权限大小（777最大）
        </PERMISSION_STATUS>
        <RPC_CLIENTID>3299ce83-ba14-4468-8cf8-b5edb5dea153</RPC_CLIENTID> ---- 集群ID
        <RPC_CALLID>3</RPC_CALLID>
      </DATA>
    </RECORD>

　　3. 定义块id：<OPCODE>OP_ALLOCATE_BLOCK_ID</OPCODE>

•  <RECORD>
      <OPCODE>OP_ALLOCATE_BLOCK_ID</OPCODE> ---- 表示该步为记录 “定义块ID”
      <DATA>
        <TXID>140</TXID>                    ---- HDFS的第140号记录
        <BLOCK_ID>1073741835</BLOCK_ID>    ----- 块ID
      </DATA>
   </RECORD>

　　4. 为块生成一个时间戳：<OPCODE>OP_SET_GENSTAMP_V2</OPCODE>

• <RECORD>
      <OPCODE>OP_SET_GENSTAMP_V2</OPCODE>
      <DATA>
        <TXID>141</TXID>
        <GENSTAMPV2>1012</GENSTAMPV2>
      </DATA>
  </RECORD>

　　5. 添加块： <OPCODE>OP_ADD_BLOCK</OPCODE>

•  <RECORD>
      <OPCODE>OP_ADD_BLOCK</OPCODE>
      <DATA>
        <TXID>142</TXID>
        <PATH>/a.xml._COPYING_</PATH>
        <BLOCK>
          <BLOCK_ID>1073741835</BLOCK_ID>
          <NUM_BYTES>0</NUM_BYTES>
          <GENSTAMP>1012</GENSTAMP>
        </BLOCK>
        <RPC_CLIENTID></RPC_CLIENTID>
        <RPC_CALLID>-2</RPC_CALLID>
      </DATA>
   </RECORD>

　　6. 封闭文件： <OPCODE>OP_CLOSE</OPCODE>

•   <RECORD>
      <OPCODE>OP_CLOSE</OPCODE>
      <DATA>
        <TXID>143</TXID>
        <LENGTH>0</LENGTH>
        <INODEID>0</INODEID>
        <PATH>/a.xml._COPYING_</PATH>
        <REPLICATION>3</REPLICATION>
        <MTIME>1603341875516</MTIME>
        <ATIME>1603341874966</ATIME>
        <BLOCKSIZE>134217728</BLOCKSIZE>
        <CLIENT_NAME></CLIENT_NAME>
        <CLIENT_MACHINE></CLIENT_MACHINE>
        <OVERWRITE>false</OVERWRITE>
        <BLOCK>
          <BLOCK_ID>1073741835</BLOCK_ID>
          <NUM_BYTES>313</NUM_BYTES>
          <GENSTAMP>1012</GENSTAMP>
        </BLOCK>
        <PERMISSION_STATUS>
          <USERNAME>heyc</USERNAME>
          <GROUPNAME>supergroup</GROUPNAME>
          <MODE>420</MODE>
        </PERMISSION_STATUS>
      </DATA>
    </RECORD>

　　7. 重命名临时文件 'a.xml._COPYING_' 为 'a.xml'： <OPCODE>OP_RENAME_OLD</OPCODE>

• <RECORD>
      <OPCODE>OP_RENAME_OLD</OPCODE>
      <DATA>
        <TXID>144</TXID>
        <LENGTH>0</LENGTH>
        <SRC>/a.xml._COPYING_</SRC>
        <DST>/a.xml</DST>
        <TIMESTAMP>1603341875552</TIMESTAMP>
        <RPC_CLIENTID>3299ce83-ba14-4468-8cf8-b5edb5dea153</RPC_CLIENTID>
        <RPC_CALLID>8</RPC_CALLID>
      </DATA>
  </RECORD>

二、fsimage 文件

1）文件组成

1. fsimage 由多个 '<INodeDirectorySection> ... </INodeDirectorySection>' 
2. 每个 '<INodeDirectorySection> ... </INodeDirectorySection>' 中有多个 '<inode> ... </inode>'

2）文件内容理解

• <inode>
      <id>16417</id>
      <type>FILE</type>         ------ 文件类型：常规文件（如果是文件夹则为 'DIRECTORY'）
      <name>b.xml</name> 　　    ----- 文件名
      <replication>3</replication> --- 副本数
      <mtime>1603342078483</mtime> --- 创建时间
      <atime>1603342078253</atime> --- 修改时间
      <perferredBlockSize>134217728</perferredBlockSize> --- 块大小
      <permission>heyc:supergroup:rw-r--r--</permission> --- 权限
      <blocks>                                          ---- 被切成了几个块
          <block>                                       --- 一个快
              <id>1073741836</id>     ----- 块的id
              <genstamp>1013</genstamp> --- 块的时间戳
              <numBytes>313</numBytes>  --- 块中存放的数据的大小（该文件只有一个块，该大小即为文件大小）
          </block>
      </blocks>
  </inode>