主要内容：hdfs的核心工作原理：namenode元数据管理机制，checkpoint机制；数据上传下载流程

1.1、namenode元数据管理要点

1、什么是元数据？

hdfs的目录结构及每一个文件的块信息（块的id，块的副本数量，块的存放位置<datanode>）

2、元数据由谁负责管理？

namenode

3、namenode把元数据记录在哪里？

　　试想一下，如果元数据是以文件的形式存在和管理的，会很不方便，因为文件是一个顺序的结构，当用户新上传或者，移动，删除hdfs中的文件是，对文本元数据的维护会变得很麻烦。

　　实际上元数据是放在内存中的，用java对象来表示，使用树（精心设计的数据结构对象）表示目录结构，这样会很方便对元数据进行管理。放到内存就会遇到一个严重的问题，万一宕机或者断电，我们知道内存中的数据是不可逆的，会丢失，所以还需要定期的保存一份备份数据在硬盘上，在namenode工作目录下形成一个特定文件。那么序列化时机呢？

　　如果元数据一发生变化就将其序列化到硬盘，这显然是不妥的，因为元数据信息可能很大，硬盘难以承受频繁的写操作，所以只能定期的进行序列化，这样又带来一个问题，在这个期间内存中的元数据可能发发生变化，如果在这个期间宕机，下次启动，从硬盘恢复过来的数据就不是最新的，怎么办？

　　现在遇到的问题是，内存中的数据是实时更新的，硬盘中的数据没法实时更新，通用解决方案，（任何地方碰到类似的情况下也适用）：一旦用户发出修改内存数据的请求，应当在修改内存数据完成后，将本次的修改操作记录下来（以日志的形式，日志不存在修改的问题，只是追加），形成文件，保存在硬盘。这样宕机重启之后，将上一次序列化的文件反序列化，然后解析日志，将反序列化结果按照日志解析结果进行相应的数据修改，恢复到上次宕机是的状态。

　　日志采用滚动记录形式，确保不会出现很大的日志文件，避免单机重启的时候，重放日志花去太多的时间，还有一个问题，若宕机之前，namanode正常运转了很长一段时间，形成了许许多多的日志块，若下次重启机器的时候从最老的日志开始重放吗？若是这样同样会花去很多时间。如何改进呢？

　　解决办法，不必等到宕机重启的时候去重放日志来恢复，定期重放日志，将日志和fsimage合并，将合并完的日志删除，并对合并结果进行编号（编号参考合并日志中最大（最新）的编号）；为了保证namnode工作性能，专心管理元数据，这整个过程由secondary name node来完成。

　　secondary namenode 第一次从namenode拉去fsimage_00文件和edits_00 --- edits_95（最新）日志，到secondary 的本地，然后发序列化fsimage_00在自己的内存中形成元数据对象，然后重放日志endits_00 --edits_95修改内存中的元数据对象，然后将修改好的元数据对象序列化到自己的硬盘中，形成fsimage_95文件，然后将fsimage_95文件上传到namenode工作目录下；此时namenode的工作目录下会同时并存fsimage_00和fsimage_95（保存最新的两个版本）；然后secondary namenode 继续讲编号95之后的日志（比如edits_96 --- edits_195）拉取到本地，不会再拉取fsimage（只会在第一次操作的时候拉取fsimage），然后继续将本地的fsimage_95 和 最新的日志edits_96 --- edits_195合并，最终形成fsimage_195，上传给namenode，同时删除最老的fsimage_00。 默认每隔一个小时做一次合并操作。整个机制就是checkpoint（在某个检查点形成新的状态）。下次namenode宕机重启的时候，会将自己工作目录下的fsimage反序列化并重返新的日志。

namenode的实时的完整的元数据存储在内存中；

namenode还会在磁盘中（dfs.namenode.name.dir）存储内存元数据在某个时间点上的镜像文件；

namenode会把引起元数据变化的客户端操作记录在edits日志文件中；

补充：secondary namenode启动位置的配置

<property>

  <name>dfs.namenode.secondary.http-address</name>

  <value>0.0.0.0:50090</value>

</property>

把默认值改成你想要的机器主机名即可

secondarynamenode保存元数据文件的目录配置：

<property>

  <name>dfs.namenode.checkpoint.dir</name>

  <value>file://${hadoop.tmp.dir}/dfs/namesecondary</value>

</property>

改成自己想要的路径即可：/root/dfs/namesecondary

2、写数据流程

datanode会定期的向namenode回报自身持有的block信息，如果与元数据记录信息不一致，会少补多删。假如客户端在传最后一块block的时候出现异常，会通知namenode文件上传失败，那么清空该上传文件的元数据，此时datanode中存在的已经上传好的block会在定期向namenode汇报之后删除。

3、读数据流程

4、hadoop的HA机制原理解析

namenode程序是带状态的，所有两个节点之间的同步就比较复杂（standby需要继承挂掉的节点的状态）。yarn集群的HA就没有这么复杂（没有状态继承，只需要在Zookeeper中记录谁是active就可以）

两点：

　　1、元数据如何同步

　　2、状态如何切换

 Zookeeper—学习笔记（一）

4.1、Qjournal分布式日志管理系统--集群

Q：QuorumPeerMain（Zookeeper的进程名字）

分布式日志管理系统（集群）Qjournal（提供数据的可靠保存，半数以上节点存活就可以正常对外提供服务；与Zookeeper的数据同步策略相同——paxos算法做数据一致性同步：奇数节点比较合适，半数以上节点存活系统就可正常工作）

active Namenode一方面往自己的本地记录日志edits，另一方面往Qjournal记录日志

standby Namenode 不断的从Qjournal中读取日志文件edits，一方面解析日志跟新内存中的元数据，一方面更新自己的fsimage文件，同时将跟新后的fsimage文件上传到（承担了secondnary NameNode的作用——合并fsimage和edits文件）active namenode，覆盖其原来的fsimage

4.2、zkfc：状态协调功能

activeNamenode 和 standby namenode 之间的状态协调功能；

比如：

　　1、不能起冲突，active是谁，已经有了active，那么另外一个节点只能是standby；

　　2、active挂了，standby 得知道，standby要不切换状态

zkfc的由来：namenode的逻辑本身已经十分复杂了，若是在将状态切换功能考虑进去，会更加的复杂，需要推到重做。hadoop开发组将这些状态协调管理功能封装到了另外的程序中，叫做zkfc（Zookeeper failover controller）基于Zookeeper的失败/故障切换/转移控制器。

1、zkfc以本地进程的方式来检测namenode

2、zkfc之间会通过Zookeeper来交换信息

zkfc会在Zookeeper上记录一些状态协调的信息以及注册监听：

　　1、比如谁是active 状态的namenode；

　　2、比如哪个namenode挂了

4.3、脑裂

集群中出现了两个active 的nameNode；

可能的原因：zkfc是一本地进程的方式与nameNode交互，若收不到nameNode的回应，会认为nameNode挂了，就会通知另外一台机制上的zkfc，另外一台机子上的zkfc收到消息后，如果立即将本机的standby namenode切换为active namenode，便有产生脑裂的风险；因为事实上，原来的active namenode没有反应不等于就挂了，因为java程序是运行在jvm上的，而jvm的GC机制可能会stop the world（通俗解释，GC平常都是做小范围的垃圾回收，这样肯定无法清理干净，当垃圾积攒到一定程度后会出发Full GC，jvm会停止所的用户线程，去清理垃圾），这样其实原来的active并没有挂掉，而此时的standby 已经切换成了active 转台，当GC做完之后，原来被jvm冻结的active恢复正常，此时就出现了两个ActiveNameNode，这就是脑裂。

zkfc防止脑裂的策略有两种：

　　1、ssh kill

　　2、shell 脚本

standby 远程登录原来的active namendoe 执行kill -9命令，若原active有回应，表示杀死了原active的进程，此时standby放心大胆的上位成standby；如果远程ssh kill没有在一个超时时间之内没有反应，则指向用户提供的shell脚本（警告也好，断掉原active的与网络也好，电源也好）。脚本返回0/true，则放心去切换状态。

4.4、name service

一对儿的active Namenode 和 standby nameNode术语叫做name service（名称服务）。

5、hadoop的HA集群搭建

 最小的HA集群规划

 5.1、修改core-site.xml

非HA机制下的core-site.xml配置，指定了namenode以及端口号；而HA机制下不能用url来写死namenode，因为HA机制下是两台nameNode不知道哪一台是active，namenode是会随时切换，如果写死了，客户端只会链接uri中指定的namenode；所以HA机制下只写 name service（代表着一对namenode，name service的名字是自己定的，后面一定会有配置文件来解释这个name service，究竟是哪两个namenode）

<name>fs.defaultFS</name>
<value>hdfs://hdp-01:9000/</value>

 HA机制下的namenode；

HA机制下的两个namenode之间的切换需要依赖Zookeeper，所以还需要配置Zookeeper

<configuration>
<!-- 指定hdfs的nameservice为ns1 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hdp24/</value>
</property>
<!-- 指定hadoop临时目录 -->
<!-- nodemanager 作为容器提供者，会提供容器，运行用户提交的程序，这个过程会产生一些临时的数据，若不配置默认存放在temp目录； -->
<property>
<name>hadoop.tmp.dir</name>
<value>/root/hdptmp/</value>
</property>

<!-- 指定zookeeper地址 -->
<property>
<name>ha.zookeeper.quorum</name>
<value>hdp-05:2181,hdp-06:2181,hdp-07:2181</value>
</property>
</configuration>

 5.2、修改hdfs-site.xml

原来的配置，HA机制后不再需要secondaryNamenode了，需要删除该项配置。

HA机制下的配置

<configuration>
<!-- name service -->
<!--指定hdfs的nameservice为bi，需要和core-site.xml中的保持一致 -->
<property>
<name>dfs.nameservices</name>
<value>hdp24</value>
</property>
<!-- hdp24下面有两个NameNode，分别是nn1，nn2 -->
<property>
<name>dfs.ha.namenodes.hdp24</name>
<!-- 这是逻辑代号，名字随便起 -->
<value>nn1,nn2</value>
</property>
<!-- nn1的RPC通信地址 -->
<property>
<name>dfs.namenode.rpc-address.hdp24.nn1</name>
<value>hdp-01:9000</value>
</property>
<!-- nn1的http通信地址 -->
<property>
<name>dfs.namenode.http-address.hdp24.nn1</name>
<value>hdp-01:50070</value>
</property>
<!-- nn2的RPC通信地址 -->
<property>
<name>dfs.namenode.rpc-address.hdp24.nn2</name>
<value>hdp-02:9000</value>
</property>
<!-- nn2的http通信地址 -->
<property>
<name>dfs.namenode.http-address.hdp24.nn2</name>
<value>hdp-02:50070</value>
</property>


<!-- 指定NameNode的edits元数据在机器本地磁盘的存放位置：namenode本地磁盘工作目录 -->
<property>
<name>dfs.namenode.name.dir</name>
<value>/root/hdpdata/name</value>
</property>

<property>
<!-- datanode的工作目录 -->
<name>dfs.datanode.data.dir</name>
<value>/root/hdpdata/data</value>
</property>

<!-- JournalNode -->
<!-- 指定NameNode的共享edits元数据在JournalNode上的存放位置,目录名最好和名称服务一致，当然这一定是一个虚拟目录 -->
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://hdp-05:8485;hdp-06:8485;hdp-07:8485/hdp24</value>
</property>

<!-- 指定JournalNode在本地磁盘存放数据的位置 -->
<property>
<name>dfs.journalnode.edits.dir</name>
<value>/root/hdpdata/journaldata</value>
</property>

<!-- zkfc -->
<!-- 开启NameNode失败自动切换 -->
<property>
<name>dfs.ha.automatic-failover.enabled</name>
<value>true</value>
</property>
<!-- 配置失败自动切换实现方式: 用什么控制器 -->
<property>
<!-- 大型集群里可能有多对namenode，也就是多对nameservice -->
<name>dfs.client.failover.proxy.provider.hdp24</name>
<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>
<!-- 配置隔离机制方法，多个机制用换行分割，即每个机制暂用一行：防止脑裂的2种策略-->
<property>
<name>dfs.ha.fencing.methods</name>
<value>
sshfence
<!-- 模拟脚本 -->
shell(/bin/true)</value>
</property>
<!-- 使用sshfence隔离机制时需要ssh免登陆：告知秘钥位置 -->
<property>
<name>dfs.ha.fencing.ssh.private-key-files</name>
<value>/root/.ssh/id_rsa</value>
</property>
<!-- 配置sshfence隔离机制超时时间，若不配置会一直发脚本，超时后就会自动调用上面配置的脚本 -->
<property>
<name>dfs.ha.fencing.ssh.connect-timeout</name>
<value>30000</value>
</property>
</configuration>

5.3、修改mapred-site.xml

主要用来表示，job提交后，mapreduce运行在yarn集群上还是本地。

<configuration>
<!-- 指定mr框架为yarn方式 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>

5.4、修改yarn-site.xml

非HA机制下的配置

HA机制下的配置。

<configuration>
<!-- 开启RM高可用 -->
<property>
<name>yarn.resourcemanager.ha.enabled</name>
<value>true</value>
</property>
<!-- 指定RM的cluster id：因为会有多个RM -->
<property>
<name>yarn.resourcemanager.cluster-id</name>
<!-- 随便起 -->
<value>yrc</value>
</property>
<!-- 指定RM的逻辑名字 -->
<property>
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property>
<!-- 分别指定RM的地址 -->
<property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>hdp-03</value>
</property>
<property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>hdp-04</value>
</property>
<!-- 指定zk集群地址：yarn集群也需要依赖Zookeeper -->
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>hdp-01:2181,hdp-02:2181,hdp-03:2181</value>
</property>
<property>
<!-- nodemanager 给mapreduce提供的辅助服务：mapTask把生成的结果以文件的形式写在了机器上，然后mapTask退出，reduceTask要去下载这些数据，靠nodemanager上的web服务器提供下载功能 -->
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>

ResourceManager和nodema通信的端口号是默认配置的8032。 ResourceManager的web端口是8088

5.5、修改slaves

slaves其实是启动脚本需要用到的，非hadoop本身要用的。

此时有两个集群的；

　　1、HDFS集群：有自己的slaves：datanode

　　2、yarm集群：有自己的slaves：nodemanager，要和datanode在一块比较好

slaves是指定子节点的位置，因为要在hadoop01上启动HDFS、在hadoop03启动yarn，所以hadoop01上的slaves文件指定的是datanode的位置，hadoop03上的slaves文件指定的是nodemanager的位置

 5.6、免密钥登录

ssh-keygen -t rsa

ssh-coyp-id hadoop00
ssh-coyp-id hadoop01
ssh-coyp-id hadoop02
ssh-coyp-id hadoop03
ssh-coyp-id hadoop04
ssh-coyp-id hadoop05
ssh-coyp-id hadoop06
ssh-coyp-id hadoop07

5.7、启动

第一次启动集群

###注意：严格按照下面的步骤!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

5.7.1、启动zookeeper集群

（分别在hdp-05、hdp-06、hdp-07上启动zk）

cd /hadoop/zookeeper-3.4.5/bin/

./zkServer.sh start
#查看状态：一个leader，两个follower
./zkServer.sh status

 5.7.2、手动启动journalnode

（分别在在hdp-05、hdp-06、hdp-07上执行）

journalnode想要工作正常必须启动Zookeeper

cd /hadoop/hadoop-2.6.4
sbin/hadoop-daemon.sh start journalnode

#运行jps命令检验，hadoop05、hadoop06、hadoop07上多了JournalNode进程

5.7.3、格式化namenode

因为现在namenode不仅在本地记录日志，一会在journalnode上记录日志，所以在格式化namenode之前，需要先启动journalnode；这样namenode格式化的时候会在本地以及journalnode上均写入响应的数据；

另一台namenode千万不要格式化，否则两次格式化，生成的集群id都不一样，应该是将一台格式化后的产生的文件直接拷贝到另外的一台上。保证元数据目录一模一样。

#格式化后会在根据core-site.xml中的hadoop.tmp.dir配置生成一些文件夹和文件
hadoop namenode -format
hdfs namenode -format

 #格式化后会在根据core-site.xml中的hadoop.tmp.dir配置生成个文件，这里我配置的是/hadoop/hadoop-2.6.4/tmp，然后将/hadoop/hadoop-2.6.4/tmp拷贝到hadoop02的/hadoop/hadoop-2.6.4/下。

scp -r tmp/ hadoop02:/home/hadoop/app/hadoop-2.6.4/

 ##也可以这样，建议

##也可以这样，建议
hdfs namenode -bootstrapStandby

  生成的其中一个文件version

blockpoolID：将来一个大的集群（上万台）会有很多对的namenode，而datanode所有namenode公用的，namenode有很多对，datanode既要给这一对namenode存数据块，也要为另外的namenode存数据块；为了以示区分需要分目录来存取；那个目录名称就是blockpoolID

5.7.4、格式化ZKFC

(在hdp-01上执行即可)

zkfc是做状态切换的，需要在Zookeeper上记录一下信息；这就需要先创建znode节点，这就是格式化的目的。

hdfs zkfc -formatZK

用来记录那个namenode是active状态的。

***********************************************************************************************************************

到此为止第一次集群启动时候的初始化工作全部完成。

5.7.5、启动HDFS

(在hadoop00上执行)

这个命令会启动namenode，datanode，journalnode，zkfc

# 启动hdfs集群
sbin/start-dfs.sh

5.7.6、启动YARN

ResourceManager和nodema通信的端口号是默认配置的8032。 ResourceManager的web端口是8088

(#####注意#####：是在hadoop02上执行start-yarn.sh，把namenode和resourcemanager分开是因为性能问题，因为他们都要占用大量资源，所以把他们分开了，他们分开了就要分别在不同的机器上启动)

# 这个脚本只会启动本地机器上的ResourceManager和配置的slaves节点的nodemanager，另外一个RM需要手动起
sbin/start-yarn.sh

 手动启动另外一台ResourceManager

yarn-daemon.sh start resourcemanager

web访问standby状态的ResourceManager会充当向到active状态的ResourceManager。

5.7.7、测试集群工作状态的一些指令

查看hdfs的各节点状态信息

bin/hdfs dfsadmin -report 

   获取一个namenode节点的HA状态

bin/hdfs haadmin -getServiceState nn1

单独启动一个namenode进程

sbin/hadoop-daemon.sh start namenode 

 单独启动一个zkfc进程

./hadoop-daemon.sh start zkfc

5.7.8、查看Zookeeper的znode

zkfc在Zookeeper上会记录一些信息。

yarn集群的ResourceManager也会在Zookeeper记录当前active状态的rm。

6、hadoop的HA集群客户端编程

非HA集群下，访问HDFS的aip如下，直接访问namenode的url就可以。

 HA机制下，直接使用new URI（"hdfs://hdp24"）是无法解析的，需要在configuration中进行设置，或者将集群中的配置文件，添加到src类路径下。

从hadoopHA集群中下载配置文件。需要不集群中的配置文件放在工程src目录下。（包括core-site.xml hdfs-site.xml yarn-site.xml）

在HA机制下，客户端要想知道集群中的情况，必须将集群上的配置文件放入工程的classpath中。