大量 ; 高速 ; 多样 ;低价值密度
hadoop是由Apache基金会所开发的分布式系统基础架构
主要解决:海量数据的存储和海量数据的分析计算问题
a.高可靠性:多副本机制,有某个计算元素或存储出现故障,数据也不会流失
b.高扩展性
c.高效性:基于MapReduce的思想机制,hadoop并发工作
d.高容错性:能够自动将失败的任务重新分配
1.hadoop1.x和hadoop2.x的区别
1.x: MapReduce(计算+资源调度)++HDFS(数据存储)++Common(辅助工具)
2.x: MapReduce(计算)++yarn(资源调度)++HDFS(数据存储)++Common(辅助工具)
总结:在hadoop1.x时代,hadoop中的MapReduce同时处理业务逻辑运算和资源调度,耦合性较大,在hadoop2.x,增加了Yarn.Yarn只负责资源调度,MapReduce只负责计算
分块存储:HDFS中的文件在物理上市分块存储(Block),块的大小可以通过参数配置(dfs.blocksize)来规定,默认大小在2x版本中是128M,在老版本中是64M.
128M的原因分析:假设寻址时间为10ms,据参阅资料显示,寻址时间为传输时间的1%市,为最佳工作状态,因此
传输时间=10ms/1%=1000ms=1s
目前磁盘的传输速度普遍为100MB/S,所以:
块大小=1s*100M/s=100M
又因计算机底层是二进制,128是离100M最近的参数大小,所以默认为128M
总结:块的大小本质上取决于磁盘的传输速度
思考:为什么块的大小不能太大也不能太小?
太小:会增加寻址时间,程序一直在寻找块的开始位置
太大:从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间,导致程序在处理这块数据时会非常慢.
假设集群有三个datanote节点
(1):客户端通过DistributedFileSystem向NameNote发出请求上传数据请求
(2):NameNote收到请求信息,返回给客户端是否可以上传数据
(3):客户端请求上传第一个Block,并请求返回上传的具体DataNote节点信息
(4):NameNote返回客户端三个节点,dn1,dn2,dn3
(5)客户端与离自己节点距离最近的dn请求建立连接(假设dn1),dn1收到后会向离自己较进的dn2建立传输通道,dan2再去寻找dn3,此时,整个传输通道建立完毕
(6)dn1,dn2,dn3逐级响应客户端
(7)客户端开始往dn1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，dn1收到一个Packet就会传给dn2，dn2传给dn3；dn1每传一个packet会放入一个应答队列等待应答。
一个Packet的大小为64kb,Packet传输也不是一次性传输完成,而是每一次分成512b的文件小块和5b的校验和传输.
（8）当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器。（重复执行3-7步）。
（1）客户端通过Distributed FileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
(2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
（3）DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet为单位来做校验）。
（4）客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。
注意:每一次读取只会在当前节点读取一块数据,下一块数据将会在其他节点上随机读取
思考：NameNode中的元数据是存储在哪里的？
首先，我们做个假设，如果存储在NameNode节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的FsImage。
这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新FsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦NameNode节点断电，就会产生数据丢失。因此，引入Edits文件(只进行追加操作，效率很高)。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到Edits中。这样，一旦NameNode节点断电，可以通过FsImage和Edits的合并，合成元数据。
但是，如果长时间添加数据到Edits中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。因此，需要定期进行FsImage和Edits的合并，如果这个操作由NameNode节点完成，又会效率过低。因此，引入一个新的节点SecondaryNamenode，专门用于FsImage和Edits的合并。
Fsimage：NameNode内存中元数据序列化后形成的文件。
Edits：记录客户端更新元数据信息的每一步操作（可通过Edits运算出元数据）。
NameNode启动时，先滚动Edits并生成一个空的edits.inprogress，然后加载Edits和Fsimage到内存中，此时NameNode内存就持有最新的元数据信息。Client开始对NameNode发送元数据的增删改的请求，这些请求的操作首先会被记录到edits.inprogress中（查询元数据的操作不会被记录在Edits中，因为查询操作不会更改元数据信息），如果此时NameNode挂掉，重启后会从Edits中读取元数据的信息。然后，NameNode会在内存中执行元数据的增删改的操作。
由于Edits中记录的操作会越来越多，Edits文件会越来越大，导致NameNode在启动加载Edits时会很慢，所以需要对Edits和Fsimage进行合并（所谓合并，就是将Edits和Fsimage加载到内存中，照着Edits中的操作一步步执行，最终形成新的Fsimage）。SecondaryNameNode的作用就是帮助NameNode进行Edits和Fsimage的合并工作。
SecondaryNameNode首先会询问NameNode是否需要CheckPoint（触发CheckPoint需要满足两个条件中的任意一个，定时时间到和Edits中数据写满了）。直接带回NameNode是否检查结果。SecondaryNameNode执行CheckPoint操作，首先会让NameNode滚动Edits并生成一个空的edits.inprogress，滚动Edits的目的是给Edits打个标记，以后所有新的操作都写入edits.inprogress，其他未合并的Edits和Fsimage会拷贝到SecondaryNameNode的本地，然后将拷贝的Edits和Fsimage加载到内存中进行合并，生成fsimage.chkpoint，然后将fsimage.chkpoint拷贝给NameNode，重命名为Fsimage后替换掉原来的Fsimage。NameNode在启动时就只需要加载之前未合并的Edits和Fsimage即可，因为合并过的Edits中的元数据信息已经被记录在Fsimage中。
工作图解
1.思考：可以看出，Fsimage中没有记录块所对应DataNode，为什么？
在集群启动后，要求DataNode上报数据块信息，并间隔一段时间后再次上报。
2.思考：NameNode如何确定下次开机启动的时候合并哪些Edits？
答:合并2nn在最后一次合并后没来得及合并的Edits信息.
本文地址：https://blog.csdn.net/weixin_49634383/article/details/107598539
如对本文有疑问， 点击进行留言回复！！
微信小程序 show-menu-by-longpress base64图片 ios下载图片无效
20200810 airtest查看当前设备安装app 截图
ASP.NET Core Authentication认证实现方法
我要评论
网友评论