[BigData]关于Hadoop学习笔记第二天(PPT总结)(一)-低调大师

[BigData]关于Hadoop学习笔记第二天(PPT总结)(一)

2017-11-13 548

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

本文转自SummerChill博客园博客，原文链接：http://www.cnblogs.com/DreamDrive/p/4566838.html，如需转载请自行联系原作者

微信关注我们

原文链接：https://yq.aliyun.com/articles/376552

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

java类型与Hadoop类型之间的转换

java基本类型与Hadoop常见基本类型的对照 Long LongWritable Integer IntWritable Boolean BooleanWritable String Text Java类型如何转化为Hadoop基本类型？调用hadoop类型的构造方法，或者调用set()方法。 new LongWritable(123L); hadoop基本类型如何转化为java类型？对于Text，需要调用toString()方法，其他类型调用get()方法。本文转自大数据躺过的坑博客园博客，原文链接：http://www.cnblogs.com/zlslch/p/6438443.html，如需转载请自行联系原作者

2017-11-14

512

　从 0.20.0 版本开始，Hadoop 同时提供了新旧两套 MapReduce API。新 API 在旧 API 基础上进行了封装，使得其在扩展性和易用性方面更好。新旧版 MapReduce API 的主要区别如下。（1）存放位置旧版 API 放在 org.apache.hadoop.mapred 包中，而新版 API 则放在 org.apache.hadoop. mapreduce 包及其子包中。（2）接口变为抽象类接口通常作为一种严格的“协议约束”。它只有方法声明而没有方法实现，且要求所有实现类（不包括抽象类）必须实现接口中的每一个方法。接口的最大优点是允许一个类实现多个接口，进而实现类似 C++ 中的“多重继承”。抽象类则是一种较宽松的“约束协议”，它可为某些方法提供默认实现。而继承类则可选择是否重新实现这些方法。正是因为这一点，抽象类在类衍化方面更有优势，也就是说，抽象类具有良好的向后兼容性，当需要为抽象类添加新的方法时，只要新添加的方法提供了默认实现，用户之前的代码就不必修改了。考虑到抽象类在API衍化方面的优势，新API在InputFormat...

2017-11-14

531

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。