设计思想——分而治之：将大文件、大批量文件分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析。在大数据系统中作用：为各类分布式运算框架（如：mapreduce，spark，tez，....）提供数据存储服务。

1.1 HDFS的概念

首先，它是一个文件系统，用于存储文件，通过统一的命名空间--目录树来定位文件；

其次，它是分布式的，有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；

重点概念：文件切块，副本存放，元数据(目录结构及文件分块信息)

1.2 HDFS的重要特性

(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.blocksize)来规定，默认大小在hadoop2.x版本中是128M，老版本中是64M；

(2) HDFS文件系统会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/file.data；

(3) 目录结构及文件分块信息(元数据)的管理由namenode节点承担
namenode是HDFS集群主节点，负责维护整个hdfs文件系统的目录树，以及每一个路径（文件）所对应block块信息（block的id，及所在的datanode服务器）

(4) 文件的各个block的存储管理由datanode节点承担
datanode是HDFS集群从节点，每一个block都可以在多个datanode上存储多个副本（副本数量也可以通过参数设置dfs.replication）

(5) HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改；

注意：适合用来做数据分析，并不合适用来做网盘应用，因为，不便修改，延迟大，网络开销大，成本高。

2. HDFS的shell(命令行客户端)常用操作

注意：-setrep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。

3. HDFS的工作机制

3.1 概述

(1) HDFS集群分为两大角色：NameNode、DataNode；

(2) NameNode负责管理整个文件系统的元数据；

(3) DataNode负责管理用户的文件数据块；

(4) 文件会按照固定的大小（blocksize）切成若干块分布式存储在若干台datanode上；

(5) 每一个文件块可以有多个副本，并存放在不同的datanode上；

(6) DatanNode会定期向NameNode汇报自身所保存的文件block信息，而NameNode则会负责保持文件的副本数量；

(7) HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向NameNode申请来进行。

3.2 HDFS写数据流程

3.2.1 概述

客户端要向HDFS写数据，首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode；然后，客户端按顺序将文件逐个block传递给相应datanode，并由接收到block的datanode负责向其他datanode复制block的副本。

3.2.3 HDFS写数据详细流程图

(1) 向namenode通信请求上传文件hello.txt；

(2) namenode通过目录树检查目标文件是否已存在，父目录是否存在；

(3) namenode返回是否可以上传信息；

(4) client向namenode请求第一个block应该传输到哪些datanode服务器上；

(5) namenode在datanode信息池查询可用的datanode信息；

(6) namenode返回3个可用的datanode服务器node1、node3、node4；

(7) client向3台datanode服务器中的一台node1请求建立传输通道channel（本质上是一个RPC调用，建立pipeline），node1收到请求会继续向node3请求，然后node3请求node4，将整个pipeline建立完成。

(8) 承接第7步，将响应逐级返回给客户端；

(9) client开始往node1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，node1收到一个packet就会传给node3，node3传给node4；node1每传一个packet会放入一个应答队列等待应答；

(10) 当一个block传输完成之后，client再次请求namenode上传第二个block的服务器。

3.3 HDFS读数据流程

3.3.1 概述

客户端将要读取的文件路径发送给namenode，namenode获取文件的元信息(主要是block的存放位置信息)返回给客户端，客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件。

3.3.2 HDFS读数据详细流程

(1) 向namenode通信请求读取文件hello.txt；

(2) namenode查询hello.txt的元数据，找到文件块所在的datanode服务器；

(3) namenode向client返回目标文件的元数据；

(4) client挑选一台datanode服务器（就近原则，然后随机），请求读取数据块BLK_1并请求建立socket流；

(5) datanode与client建立socket流，并开始传输数据；

(6) 然后client随机挑选第二台datanode服务器并获取第二个block "BLK_2"；

(7) 接着client再次随机挑选另一台datanode服务器并获取第三个block "BLK_3"；

(8) 客户端以packet为单位接收来自datanode服务器的数据，先本地缓存，以追加的模式合并成目标文件，最后把目标文件写入到本地。

3.4 NAMENODE工作机制

学习目标：理解namenode的工作机制尤其是元数据管理机制，以增强对HDFS工作原理的理解，及培养hadoop集群运营中“性能调优”、“namenode”故障问题的分析解决能力。

3.4.1 概述

NAMENODE职责：

① 负责客户端请求的响应；
② 元数据的管理（查询、修改）；

3.4.2 元数据管理与存储机制

namenode对元数据的管理采用了三种存储形式：

①内存元数据（NameSystem）；
②磁盘元数据镜像文件；
③数据操作日志文件（可通过日志运算出元数据）；

元数据的存储机制

A、内存中有一份完整的元数据(内存 meta data)；

B、磁盘有一个“准完整”的元数据镜像(fsimage)文件，在namenode的工作目录中；

C、用于衔接内存metadata和持久化元数据镜像fsimage之间的操作日志(edits日志文件)；

注意：当客户端对hdfs中的文件进行新增或修改操作，操作记录首先被记入edits日志文件中，当客户端操作成功后，相应的元数据会更新到内存meta.data中。

3.4.3 元数据手动查看

可以通过hdfs的一个工具来查看edits中的信息

bin/hdfs oev -i edits -o edits.xml
bin/hdfs oiv -i fsimage_0000000000000000087 -p XML -o fsimage.xml

3.4.4 元数据的checkpoint

每隔一段时间，会由secondary namenode 将 namenode上积累的所有edits和一个最新的fsimage下载到本地，并加载到内存进行merge(这个过程称为checkpiont)。

3.4.4.1 checkpoint的详细过程

3.4.4.2 checkpoint操作的触发条件配置参数

dfs.namenode.checkpoint.check.period=60  #检查触发条件是否满足的频率，60秒
dfs.namenode.checkpoint.dir=file://${hadoop.tmp.dir}/dfs/namesecondary
#以上两个参数做checkpoint操作时，secondary namenode的本地工作目录
dfs.namenode.checkpoint.edits.dir=${dfs.namenode.checkpoint.dir}

dfs.namenode.checkpoint.max-retries=3  #最大重试次数
dfs.namenode.checkpoint.period=3600  #两次checkpoint之间的时间间隔3600秒
dfs.namenode.checkpoint.txns=1000000 #两次checkpoint之间最大的操作记录

3.4.4.3 checkpoint的附带作用

namenode和secondary namenode的工作目录存储结构完全相同，所以，当namenode故障退出需要重新恢复时，可以从secondary namenode的工作目录中将fsimage拷贝到namenode的工作目录，以恢复namenode的元数据。

3.4.5 元数据目录说明

在第一次部署好Hadoop集群的时候，我们需要在NameNode节点上格式化磁盘：

$HADOOP_HOME/bin/hdfs namenode -format

格式化完成之后，将会在$dfs.namenode.name.dir/current目录下创建如下文件结构：

current/
|-- VERSION
|-- edits_*
|-- fsimage_0000000000008547077
|-- fsimage_0000000000008547077.md5
`-- seen_txid

下面对$dfs.namenode.name.dir/current/目录下的文件进行解释：

1、VERSION文件是Java属性文件，内容大致如下：

#Fri Nov 15 19:47:46 CST 2013
namespaceID=934548976
clusterID=CID-cdff7d73-93cd-4783-9399-0a22e6dce196
cTime=0
storageType=NAME_NODE
blockpoolID=BP-893790215-192.168.24.72-1383809616115
layoutVersion=-47

     其中

     (1) namespaceID是文件系统的唯一标识符，在文件系统首次格式化之后生成的；

     (2) clusterID是系统生成或手动指定的集群ID，在-clusterid选项中可以使用它；如下说明：

           a. 使用如下命令格式化一个NameNode：
               $HADOOP_HOME/bin/hdfs namenode -format [-clusterId <cluster id>]
              选择一个唯一的cluster_id，并且这个cluster_id不能与环境中其他集群有冲突。
              如果没有提供cluster_id，则会自动生成一个唯一的ClusterID

           b. 使用如下命令格式化其他NameNode：
               $HADOOP_HOME/bin/hdfs namenode -format -clusterId <cluster_id>

            c. 升级集群至最新版本。在升级过程中需要提供一个ClusterID，例如：
               $HADOOP_PREFIX_HOME/bin/hdfs start namenode -config $HADOOP_CONF_DIR -upgrade -clusterId <cluster_ID>
                如果没有提供ClusterID，则会自动生成一个ClusterID。

       (3) cTime表示NameNode存储时间的创建时间，由于我的NameNode没有更新过，所以这里的记录为0，以后对NameNode升级之后，cTime将会记录更新时间戳；

       (4) storageType说明这个文件存储的是什么进程的数据结构信息(如果是DataNode，storageType=DATA_NODE)；

       (5) blockpoolID：是针对每一个NameSpace所对应的blockpool的ID，上面的这个BP-893790215-192.168.24.72-1383809616115就是在我的ns1的namespace下的存储块池的ID，这个ID包括了其对应的NameNode节点的ip地址。

       (6) layoutVersion表示HDFS永久性数据结构的版本信息，只要数据结构变更，版本号也要递减，此时的HDFS也需要升级，否则磁盘仍旧是使用旧版本的数据结构，这会导致新版本的NameNode无法使用；

2. $dfs.namenode.name.dir/current目录下在format的同时也会生成fsimage和edits文件，及其对应的md5校验文件。

3. $dfs.namenode.name.dir/current/seen_txid非常重要，是存放transactionId的文件，format之后是0，它代表的是namenode里面的edits_*文件的尾数，namenode重启的时候，会按照seen_txid的数字，循序从头跑edits_0000001~到seen_txid的数字。所以当你的hdfs发送异常重启的时候，一定要比对seen_txid内的数字是不是你edits最后的尾数，不然会发生建置namenode时metaData的资料有缺少，导致误删Datanode上多余Block的资讯。

注意：seen_txid。文件中记录的edits滚动的序号，每次重启namenode时，namenode就知道要将哪些edits进行加载edits。

补充说明

其中dfs.name.dir是在hdfs-site.xml文件中配置的，而hadoop.tmp.dir是在core-site.xml中配置的，默认值如下：　

#dfs.name.dir是在hdfs-site.xml中配置的，默认值如下
<property>
  <name>dfs.name.dir</name>
  <value>file://${hadoop.tmp.dir}/dfs/name</value>
</property>

#hadoop.tmp.dir是在core-site.xml中配置的，默认值如下
<property>
  <name>hadoop.tmp.dir</name>
  <value>/tmp/hadoop-${user.name}</value>
  <description>A base for other temporary directories.</description>
</property>

说明：dfs.namenode.name.dir属性可以配置多个目录，如/data1/dfs/name,/data2/dfs/name,/data3/dfs/name,...。各个目录存储的文件结构和内容都完全一样，相当于备份，这样做的好处是当其中一个目录损坏了，也不会影响到Hadoop的元数据，特别是当其中一个目录是NFS(网络文件系统Network File System，NFS)之上，即使你这台机器损坏了，元数据也得到保存。

3.5 DATANODE的工作机制

3.5.1 概述

(1) Data工作职责：

    ①存储管理用户的文件块数据；
    ②定期向namenode汇报自身所持有的block信息（通过心跳信息上报）

 注意：这点很重要，因为这涉及到，当集群中发生某些block副本失效时，集群如何恢复block初始副本数量的问题。

<property>
	<name>dfs.blockreport.intervalMsec</name>
	<value>3600000</value>
	<description>Determines block reporting interval in milliseconds.</description>
</property>

(2) Datanode掉线判断时限参数

datanode进程死亡或者网络故障造成datanode无法与namenode通信，namenode不会立即把该节点判定为死亡，要经过一段时间，这段时间暂称作超时时长。HDFS默认的超时时长为10分钟+30秒。如果定义超时时间为timeout，则超时时长的计算公式为：

timeout = 2 * heartbeat.recheck.interval + 10 * dfs.heartbeat.interval。

默认的heartbeat.recheck.interval大小为5分钟，dfs.heartbeat.interval默认为3秒。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。所以，举个例子，如果heartbeat.recheck.interval设置为50000(毫秒)，dfs.heartbeat.interval设置为3(秒，默认)，则总的超时时间为40秒。

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

3.5.2 观察验证DATANODE功能

上传一个文件，观察文件的block具体的物理存放情况：

在每一台datanode机器上的data存放目录中能找到文件的切块，假设data目录设定为/opt/app/hadoop-2.4.1/data，则文件切块目录为/opt/app/hadoop-2.4.1/data/current/BP-*****/current/finalized