HDFS

HDFS
第1章 HDFS概述

1.1 HDFS产出背景及定义

　　（1）产生背景

　　随着数据量越来越大，在一个操作系统存不下所有的数据，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，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。HDFS只是分布式文件管理系统中的一种。

　　（2）定义

　　HDFS（Hadoop Distributed File System），它是一个文件系统，用于存储文件，通过目录树来定位文件；其次，它是分布式的，由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。
　　HDFS使用场景：适合一次写入，多次读出的场景。且不支持文件的修改。适合用来做数据分析，不适合用来做网盘应用。

1.2 HDFS优缺点

1.2.1 优点

　　1）高容错

　　（1）数据自动保存多个副本。它通过增加副本的形式，提高容错性。
　　（2）某个副本丢失以后，它可以自动恢复。

　　2）适合处理大数据

　　（1）数据规模：能够处理数据规模达到GB、TB甚至PB级别的数据
　　（2）文件规模：能够处理百万规模以上的文件数量，数量相当之大

　　3）可构建在廉价机器上，通过多副本机制，提高可靠性。

1.2.2 缺点

　　1）不适合低延时数据访问，比如毫秒级的存储数据是做不到的
　　2）无法高效的对大量小文件进行存储。
　　（1）存储大量小文件，会占用NameNode大量的内存来存储文件目录和块信息，这样是不可取的，因为NameNode的内存总是有限的
　　（2）小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标。
　　3）不支持并发写入、文件随机修改
　　（1）一个文件只能有一个写，不允许多个线程同时写
　　（2）仅支持数据append（追加），不支持文件的随机修改

1.3 HDFS组成架构

　　1）NameNode（nn）：Master，它是一个主管、管理者
　　（1）管理HDFS的名称空间
　　（2）配置副本策略
　　（3）管理数据块（Block）映射信息
　　（4）处理客户端读写请求
　　2）DateNode（dn）：Slave，NameNode下达命令，DataNode执行实际的操作
　　（1）存储实际的数据块
　　（2）执行数据块的读/写操作
　　3）Client：客户端
　　（1）文件切分，文件上传HDFS时，将文件切分为一个一个的Block，然后再上传
　　（2）与NameNode交互，获取文件的位置信息
　　（3）与DataNode交互，读取或者写入数据
　　（4）提供一些命令来管理HDFS，比如NameNode格式化
　　（5）通过一些命令来访问HDFS。比如对HDFS的增删查改操作
　　4）Secondary NameNode：并非NameNode的热备。当NameNode挂掉时，它并不能马上替换NameNode并提供服务
　　（1）辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode
　　（2）紧急情况下可辅助恢复NameNode

1.4 HDFS文件块大小（面试重点）

　　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.block.size）来规定，默认大小在Hadoop2.x中是128M，老版本中是64M
　　2.若寻址时间约为10ms（查找目标block的时间）
　　3.寻址时间为传输时间的1%时，则为最佳状态。因此，传输时间=10ms/0.01=1s
　　4.目前磁盘的传输速率普遍在100MB/s

　　为什么块的大小不能设置太小，也不能设置太大？
　　（1）HDFS的块设置太小，会增加寻址时间，程序一直在寻找块的开始位置
　　（2）若块设置的太大，从磁盘传输数据的时间会明显大于定位块开始位置所需时间，导致程序在处理块数据时，会非常慢。
　　总而言之：HDFS块的大小设置主要取决于磁盘传输速率

第2章 HDFS的Shell操作（开发重点）

2.1 基本语法

　　bin/hadoop fs 具体命令 OR 　　bin/hdfs dfs 具体命令

2.2 命令大全
```
[atguigu@hadoop102 hadoop-3.1.3]$ bin/hadoop fs

[-appendToFile <localsrc> ... <dst>]
        [-cat [-ignoreCrc] <src> ...]
        [-checksum <src> ...]
        [-chgrp [-R] GROUP PATH...]
        [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
        [-chown [-R] [OWNER][:[GROUP]] PATH...]
        [-copyFromLocal [-f] [-p] <localsrc> ... <dst>]
        [-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-count [-q] <path> ...]
        [-cp [-f] [-p] <src> ... <dst>]
        [-createSnapshot <snapshotDir> [<snapshotName>]]
        [-deleteSnapshot <snapshotDir> <snapshotName>]
        [-df [-h] [<path> ...]]
        [-du [-s] [-h] <path> ...]
        [-expunge]
        [-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-getfacl [-R] <path>]
        [-getmerge [-nl] <src> <localdst>]
        [-help [cmd ...]]
        [-ls [-d] [-h] [-R] [<path> ...]]
        [-mkdir [-p] <path> ...]
        [-moveFromLocal <localsrc> ... <dst>]
        [-moveToLocal <src> <localdst>]
        [-mv <src> ... <dst>]
        [-put [-f] [-p] <localsrc> ... <dst>]
        [-renameSnapshot <snapshotDir> <oldName> <newName>]
        [-rm [-f] [-r|-R] [-skipTrash] <src> ...]
        [-rmdir [--ignore-fail-on-non-empty] <dir> ...]
        [-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
        [-setrep [-R] [-w] <rep> <path> ...]
        [-stat [format] <path> ...]
        [-tail [-f] <file>]
        [-test -[defsz] <path>]
        [-text [-ignoreCrc] <src> ...]
        [-touchz <path> ...]
        [-usage [cmd ...]]
```
2.3 常用命令实操

2.3.1 准备工作

　　1）启动Hadoop集群（方便后续的测试）
```
start-dfs.sh
start-yarn.sh
```
　　2）-help：输出这个命令参数
```
hadoop fs -help 命令
```
2.3.2 上传

　　1）-moveFromLocal：从本地剪切粘贴到HDFS
```
touch kongming.txt
hadoop fs  -moveFromLocal  ./kongming.txt  /sanguo/shuguo
```
　　2）-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去
```
hadoop fs -copyFromLocal README.txt /
```
　　3）-appendToFile：追加一个文件到已经存在的文件末尾
```
touch liubei.txt
vi liubei.txt
```
　#输入

　san gu mao lu
```
hadoop fs -appendToFile liubei.txt /sanguo/shuguo/kongming.txt
```
　　4）-put：等同于copyFromLocal
```
hadoop fs -put ./zaiyiqi.txt /user/atguigu/test/
```
2.3.3 下载

　　1）-copyToLocal：从HDFS拷贝到本地
```
hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./
```
　　2）-get：等同于copyToLocal，就是从HDFS下载文件到本地
```
hadoop fs -get /sanguo/shuguo/kongming.txt ./
```
　　3）-getmerge：合并下载多个文件，比如HDFS的目录 /user/atguigu/test下有多个文件:log.1, log.2,log.3,...
```
hadoop fs -getmerge /user/atguigu/test/* ./zaiyiqi.txt
```
2.3.4 HDFS直接操作

　　1）-ls: 显示目录信息
```
hadoop fs -ls /
```
　　2）-mkdir：在HDFS上创建目录
```
hadoop fs -mkdir -p /sanguo/shuguo
```
　　3）-cat：显示文件内容
```
hadoop fs -cat /sanguo/shuguo/kongming.txt
```
　　4）-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限
```
hadoop fs  -chmod  666  /sanguo/shuguo/kongming.txt
hadoop fs  -chown  atguigu:atguigu   /sanguo/shuguo/kongming.txt
```
　　5）-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径
```
hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt
```
　　6）-mv：在HDFS目录中移动文件
```
hadoop fs -mv /zhuge.txt /sanguo/shuguo/
```
　　7）-tail：显示一个文件的末尾
```
hadoop fs -tail /sanguo/shuguo/kongming.txt
```
　　8）-rm：删除文件或文件夹
```
hadoop fs -rm /user/atguigu/test/jinlian2.txt
```
　　9）-rmdir：删除空目录
```
hadoop fs -mkdir /test
```
　　10）-du统计文件夹的大小信息
```
hadoop fs -du -s -h /user/atguigu/test
```
```
hadoop fs -du  -h /user/atguigu/
```
　　11）-setrep：设置HDFS中文件的副本数量
```
hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt
```
　　这里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。因为目前只有3台设备，最多也就3个副本，只有节点数的增加到10台时，副本数才能达到10

第3章 HDFS客户端操作（开发重点）

3.1 HDFS客户端环境准备

　　1）找到资料目录下的Windows依赖目录，打开：

　　选择Hadoop-3.1.0，拷贝到其他地方即可(比如C:\workspace\root\hadoop-3.0\)。

　　百度网盘下载地址：https://pan.baidu.com/s/1PyD4RGnFxSTg303LvV7Etw

　　提取码：yuan

　　2）配置HADOOP_HOME环境变量。

　　3）配置Path环境变量。然后重启电脑

　　4）如果上述操作后还有问题可以将bin目录下hadoop.dll和winutils.exe放到

　　　　C:/windows/system32目录下

　　5）创建一个Maven工程HdfsClientDemo，并导入相应的依赖坐标+日志添加
```
<dependencies>
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>4.12</version>
    </dependency>

    <dependency>
        <groupId>org.apache.logging.log4j</groupId>
        <artifactId>log4j-slf4j-impl</artifactId>
        <version>2.12.0</version>
    </dependency>


    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>3.1.3</version>
    </dependency>
</dependencies>
```
　　在项目的src/main/resources目录下，新建一个文件，命名为“log4j2.xml”，在文件中填入
```
<?xml version="1.0" encoding="UTF-8"?>
<Configuration status="error" strict="true" name="XMLConfig">
    <Appenders>
        
        <Appender type="Console" name="STDOUT">
            
        <Logger name="test" level="info" additivity="false">
            <AppenderRef ref="STDOUT" />
        </Logger>

        
        <Root level="info">
            <AppenderRef ref="STDOUT" />
        </Root>
    </Loggers>
</Configuration>
```
　　6）创建包名：com.yuange.hdfs

　　7）创建HdfsClient类
```
public class HdfsClient{
　　@Test
　　public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{
　　　　// 1 获取文件系统
　　　　Configuration configuration = new Configuration();

　　　　// 配置在集群上运行
　　　　// configuration.set("fs.defaultFS", "hdfs://hadoop102:9820");
　　　　// FileSystem fs = FileSystem.get(configuration);
　　　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　　　// 2 创建目录
　　　　fs.mkdirs(new Path("/1108/daxian/banzhang"));

　　　　// 3 关闭资源
　　　　fs.close();
　　}
}
```
　　8）执行程序

　　　　运行时需要配置用户名称

　　客户端去操作HDFS时，是有一个用户身份的。默认情况下，HDFS客户端API会从JVM中获取一个参数来作为自己的用户身份：-DHADOOP_USER_NAME=atguigu，atguigu为用户名称。

3.2 HDFS的API操作

3.2.1 HDFS文件上传（测试参数优先级）

　　1）编写源代码
```
@Test
public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {
　　// 1 获取文件系统
　　Configuration configuration = new Configuration();
　　configuration.set("dfs.replication", "2");
　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　// 2 上传文件
　　fs.copyFromLocalFile(new Path("e:/banzhang.txt"), new Path("/banzhang.txt"));

　　// 3 关闭资源
　　fs.close();

　　System.out.println(fs);
}
```
　　2）将hdfs-site.xml拷贝到项目的根目录下
```
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
　　<property>
　　　　<name>dfs.replication</name>
       <value>1</value>
　　</property>
</configuration>
```
　　3）参数优先级

　　参数优先级排序：（1）客户端代码中设置的值 >（2）ClassPath下的用户自定义配置文件 >（3）然后是服务器的默认配置

3.2.2 HDFS文件下载
```
@Test
public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{
　　// 1 获取文件系统
　　Configuration configuration = new Configuration();
　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　// 2 执行下载操作
　　// boolean delSrc 指是否将原文件删除
　　// Path src 指要下载的文件路径
　　// Path dst 指将文件下载到的路径
　　// boolean useRawLocalFileSystem 是否开启文件校验
　　fs.copyToLocalFile(false, new Path("/banzhang.txt"), new Path("e:/banhua.txt"), true);

　　// 3 关闭资源
　　fs.close();
}
```
3.2.3 HDFS文件夹删除
```
@Test
public void testDelete() throws IOException, InterruptedException, URISyntaxException{
　　// 1 获取文件系统
　　Configuration configuration = new Configuration();
　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　// 2 执行删除
　　fs.delete(new Path("/0508/"), true);

　　// 3 关闭资源
　　fs.close();
}
```
3.2.4 HDFS文件名更改
```
@Test
public void testRename() throws IOException, InterruptedException, URISyntaxException{
　　// 1 获取文件系统
　　Configuration configuration = new Configuration();
　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　// 2 修改文件名称
　　fs.rename(new Path("/banzhang.txt"), new Path("/banhua.txt"));

　　// 3 关闭资源
　　fs.close();
}
```
3.2.5 HDFS文件详情查看

　　查看文件名称、权限、长度、块信息
```
@Test
public void testListFiles() throws IOException, InterruptedException, URISyntaxException{
　　// 1获取文件系统
　　Configuration configuration = new Configuration();
　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　// 2 获取文件详情
　　RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
　　while(listFiles.hasNext()){
　　　　LocatedFileStatus status = listFiles.next();
　　　　// 输出详情
　　　　// 文件名称
　　　　System.out.println(status.getPath().getName());
　　　　// 长度
　　　　System.out.println(status.getLen());
　　　　// 权限
　　　　System.out.println(status.getPermission());
　　　　// 分组
　　　　System.out.println(status.getGroup());
　　　　// 获取存储的块信息
　　　　BlockLocation[] blockLocations = status.getBlockLocations();
　　　　for (BlockLocation blockLocation : blockLocations) {
　　　　　　// 获取块存储的主机节点
　　　　　　String[] hosts = blockLocation.getHosts();
　　　　　　for (String host : hosts) {
　　　　　　　　System.out.println(host);
　　　　　　}
　　　　}
　　　　System.out.println("-----------班长的分割线----------");
　　}
　　// 3 关闭资源
　　fs.close();
}
```
3.2.6 HDFS文件和文件夹判断
```
@Test
public void testListStatus() throws IOException, InterruptedException, URISyntaxException{
　　// 1 获取文件配置信息
　　Configuration configuration = new Configuration();
　　FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "atguigu");

　　// 2 判断是文件还是文件夹
　　FileStatus[] listStatus = fs.listStatus(new Path("/"));
　　for (FileStatus fileStatus : listStatus) {
　　　　// 如果是文件
　　　　if (fileStatus.isFile()) {
　　　　　　System.out.println("f:"+fileStatus.getPath().getName());
　　　　}else {
　　　　　　System.out.println("d:"+fileStatus.getPath().getName());
　　　　}
　　}
　　// 3 关闭资源
　　fs.close();
}
```
第4章 HDFS的数据流（面试重点）

4.1 HDFS写数据流程

4.1.1 剖析文件写入

　　（1）客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。

　　（2）NameNode返回是否可以上传。

　　（3）客户端请求第一个 Block上传到哪几个DataNode服务器上。

　　（4）NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。

　　（5）客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成。

　　（6）dn1、dn2、dn3逐级应答客户端。

　　（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。

　　（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）。

4.1.2 网络拓扑-节点距离计算

　　在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？

　　节点距离：两个节点到达最近的共同祖先的距离总和。

　　例如，假设有数据中心d1机架r1中的节点n1。该节点可以表示为/d1/r1/n1。利用这种标记，这里给出四种距离描述。

4.1.3 机架感知（副本存储节点选择）

　　1）官方IP地址

　　机架感知说明：http://hadoop.apache.org/docs/r3.1.3/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication

　　For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on the local machine if the writer is on a datanode, otherwise on a random datanode, another replica on a node in a different (remote) rack, and the last on a different node in the same remote rack.

　　2）Hadoop3.1.3副本节点选择

4.2 HDFS读数据流程

　　（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。

第5章 NameNode和SecondaryNameNode（面试开发重点）

5.1 NN和2NN工作机制

　　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。

　　1）第一阶段：NameNode启动

　　（1）第一次启动NameNode格式化后，创建Fsimage和Edits文件。如果不是第一次启动，直接加载编辑日志和镜像文件到内存。

　　（2）客户端对元数据进行增删改的请求。

　　（3）NameNode记录操作日志，更新滚动日志。

　　（4）NameNode在内存中对元数据进行增删改。

　　2）第二阶段：Secondary NameNode工作

　　（1）Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果。

　　（2）Secondary NameNode请求执行CheckPoint。

　　（3）NameNode滚动正在写的Edits日志。

　　（4）将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。

　　（5）Secondary NameNode加载编辑日志和镜像文件到内存，并合并。

　　（6）生成新的镜像文件fsimage.chkpoint。

　　（7）拷贝fsimage.chkpoint到NameNode。

　　（8）NameNode将fsimage.chkpoint重新命名成fsimage。

5.2 Fsimage和Edits解析

　　1）oiv查看Fsimage文件

　　（1）查看oiv和oev命令
```
hdfs
```
　　（2）基本语法：hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径

　　（3）案例实操
```
pwd
```
```
hdfs oiv -p XML -i fsimage_0000000000000000761 -o /opt/module/hadoop-3.1.3/fsimage.xml
cat /opt/module/hadoop-3.1.3/fsimage.xml
```
　　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）oev查看Edits文件

　　（1）基本语法

　　　　hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径

　　（2）案例实操
```
hdfs oev -p XML -i edits_0000000000000000001-0000000000000000112 -o /opt/module/hadoop-3.1.3/edits.xml
cat /opt/module/hadoop-3.1.3/edits.xml
```
　　思考：NameNode如何确定下次开机启动的时候合并哪些Edits？

5.3 CheckPoint时间设置

　　1）通常情况下，SecondaryNameNode每隔一小时执行一次。

　　　　[hdfs-default.xml]
```
<property>
 　　　　 <name>dfs.namenode.checkpoint.period</name>
 　　　　 <value>3600</value>
</property>
```
　　2）一分钟检查一次操作次数，当操作次数达到1百万时，SecondaryNameNode执行一次。
```
<property>
  <name>dfs.namenode.checkpoint.txns</name>
  <value>1000000</value>
<description>操作动作次数</description>
</property>

<property>
  <name>dfs.namenode.checkpoint.check.period</name>
  <value>60</value>
    <description> 1分钟检查一次操作次数</description>
</property>
```
5.4 NameNode故障处理（扩展）

　　NameNode故障后，可以采用如下两种方法恢复数据。

　　1）将SecondaryNameNode中数据拷贝到NameNode存储数据的目录；

　　（1）kill -9 NameNode进程

　　（2）删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/tmp/dfs/name）
```
rm -rf /opt/module/hadoop-3.1.3/data/tmp/dfs/name/*
```
　　（3）拷贝SecondaryNameNode中数据到原NameNode存储数据目录
```
scp -r atguigu@hadoop104:/opt/module/hadoop-3.1.3/data/tmp/dfs/namesecondary/* ./name/
```
　　（4）重新启动NameNode
```
hdfs --daemon start namenode
```
　　2）使用-importCheckpoint选项启动NameNode守护进程，从而将SecondaryNameNode中数据拷贝到NameNode目录中。

　　（1）修改hdfs-site.xml中的
```
<property>
    <name>dfs.namenode.checkpoint.period</name>
    <value>120</value>
</property>

<property>
    <name>dfs.namenode.name.dir</name>
    <value>/opt/module/hadoop-3.1.3/data/tmp/dfs/name</value>
</property>
```
　　（2）kill -9 NameNode进程

　　（3）删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/tmp/dfs/name）
```
rm -rf /opt/module/hadoop-3.1.3/data/tmp/dfs/name/*
```
　　（4）如果SecondaryNameNode不和NameNode在一个主机节点上，需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录，并删除in_use.lock文件
```
scp -r atguigu@hadoop104:/opt/module/hadoop-3.1.3/data/tmp/dfs/namesecondary ./
rm -rf in_use.lock
pwd
/opt/module/hadoop-3.1.3/data/tmp/dfs
ls
data  name  namesecondary
```
　　（5）导入检查点数据（等待一会ctrl+c结束掉）
```
bin/hdfs namenode -importCheckpoint
```
　　（6）启动NameNode
```
hdfs --daemon start namenode
```
5.5 集群安全模式

　　1）基本语法

　　　　集群处于安全模式，不能执行重要操作（写操作）。集群启动完成后，自动退出安全模式。

　　（1）bin/hdfs dfsadmin -safemode get （功能描述：查看安全模式状态）

　　（2）bin/hdfs dfsadmin -safemode enter （功能描述：进入安全模式状态）

　　（3）bin/hdfs dfsadmin -safemode leave （功能描述：离开安全模式状态）

　　（4）bin/hdfs dfsadmin -safemode wait （功能描述：等待安全模式状态）

　　2）案例

　　　　模拟等待安全模式

　　3）查看当前模式
```
hdfs dfsadmin -safemode get
```
　　4）先进入安全模式
```
bin/hdfs dfsadmin -safemode enter
```
　　5）创建并执行下面的脚本

　　在/opt/module/hadoop-3.1.3路径上，编辑一个脚本safemode.sh
```
touch safemode.sh
vim safemode.sh
```
#!/bin/bash

hdfs dfsadmin -safemode wait

hdfs dfs -put /opt/module/hadoop-3.1.3/README.txt /

　chmod 777 safemode.sh

　./safemode.sh
　　6）再打开一个窗口，执行
```
bin/hdfs dfsadmin -safemode leave
```
　　7）观察

　　8）再观察上一个窗口
```
Safe mode is OFF
```
　　9）HDFS集群上已经有上传的数据了。

第6章 DataNode（面试开发重点）

6.1 DataNode工作机制

　　（1）一个数据块在DataNode上以文件形式存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳。

　　（2）DataNode启动后向NameNode注册，通过后，周期性（1小时）的向NameNode上报所有的块信息。

　　（3）心跳是每3秒一次，心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器，或删除某个数据块。如果超过10分钟没有收到某个DataNode的心跳，则认为该节点不可用。

　　（4）集群运行中可以安全加入和退出一些机器。

6.2 数据完整性

　　思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0），但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理DataNode节点上的数据损坏了，却没有发现，是否也很危险，那么如何解决呢？

　　如下是DataNode节点保证数据完整性的方法。

　　（1）当DataNode读取Block的时候，它会计算CheckSum。

　　（2）如果计算后的CheckSum，与Block创建时值不一样，说明Block已经损坏。

　　（3）Client读取其他DataNode上的Block。

　　（4）DataNode在其文件创建后周期验证CheckSum。

6.3 掉线时限参数设置

　　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。
```
<property>
    <name>dfs.namenode.heartbeat.recheck-interval</name>
    <value>300000</value>
</property>
<property>
    <name>dfs.heartbeat.interval</name>
    <value>3</value>
</property>
```
6.4 服役新数据节点

　　1）需求

　　　　随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据的需求，需要在原有集群基础上动态添加新的数据节点。

　　2）环境准备

　　（1）在hadoop104主机上再克隆一台hadoop105主机

　　（2）修改IP地址和主机名称

　　（3）删除原来HDFS文件系统留存的文件（/opt/module/hadoop-3.1.3/data和logs），最好把 /tmp/* 下的文件也删除，防止出错

　　（4）source一下配置文件
```
source /etc/profile
```
　　3）服役新节点具体步骤

　　（1）直接启动DataNode，即可关联到集群
```
hdfs --daemon start datanode
yarn-daemon.sh start nodemanager
```
　　（2）在hadoop105上上传文件
```
hadoop fs -put /opt/module/hadoop-3.1.3/LICENSE.txt /
```
　　（3）如果数据不均衡，可以用命令实现集群的再平衡
```
./start-balancer.sh
```
6.5 退役旧数据节点

6.5.1 添加白名单

　　添加到白名单的主机节点，都允许访问NameNode，不在白名单的主机节点，都会被退出。

　　配置白名单的具体步骤如下：

　　1）在NameNode的/opt/module/hadoop-3.1.3/etc/hadoop目录下创建dfs.hosts文件
```
pwd
```
```
vim dfs.hosts
```
添加如下主机名称（不添加hadoop105）

hadoop102

hadoop103

hadoop104
　　2）在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性
```
<property>
    <name>dfs.hosts</name>
    <value>/opt/module/hadoop-3.1.3/etc/hadoop/dfs.hosts</value>
</property>
```
　　3）配置文件分发
```
xsync hdfs-site.xml
```
　　4）刷新NameNode
```
hdfs dfsadmin -refreshNodes
```
　　5）更新ResourceManager节点
```
yarn rmadmin -refreshNodes
```
　　6）在web浏览器上查看：http://hadoop102:9870/dfshealth.html#tab-datanode

　　7）如果数据不均衡，可以用命令实现集群的再平衡
```
start-balancer.sh
```
6.5.2 黑名单退役

　　在黑名单上面的主机都会被强制退出。

　　1）在NameNode的/opt/module/hadoop-3.1.3/etc/hadoop目录下创建dfs.hosts.exclude文件
```
pwd
```
```
vi dfs.hosts.exclude
```
添加如下主机名称（要退役的节点）

hadoop105
　　2）在NameNode的hdfs-site.xml配置文件中增加dfs.hosts.exclude属性
```
<property>
    <name>dfs.hosts.exclude</name>
    <value>/opt/module/hadoop-3.1.3/etc/hadoop/dfs.hosts.exclude</value>
</property>
```
　　3）刷新NameNode、刷新ResourceManager
```
hdfs dfsadmin -refreshNodes
```
```
yarn rmadmin -refreshNodes（注意：在配置yarn的节点进行刷新，不然的话就会提示yarn所在的节点的ip地址）
```
　　4）检查Web浏览器，退役节点的状态为decommission in progress（退役中），说明数据节点正在复制块到其他节点

　　5）等待退役节点状态为decommissioned（所有块已经复制完成），停止该节点及节点资源管理器。

　　　注意：如果副本数是3，服役的节点小于等于3，是不能退役成功的，需要修改副本数后才能退役
```
hdfs --daemon stop datanode
```
```
yarn-daemon.sh stop nodemanager
```
　　6）如果数据不均衡，可以用命令实现集群的再平衡
```
start-balancer.sh
```
　　注意：不允许白名单和黑名单中同时出现同一个主机名称。

6.6 Datanode多目录配置

　　1）DataNode也可以配置成多个目录，每个目录存储的数据不一样。即：数据不是副本

　　2）hdfs-site.xml具体配置如下
```
<property>
　　<name>dfs.datanode.data.dir</name>
　　<value>file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value>
</property>
```
相关阅读:
Workbox使用策略
 前端性能指标计算方法
 make源文件时出现 /usr/bin/ld: cannot find -lstdc++ 错误
 mac 支持rz sz
v8引擎的优化
 pixi与lottie-web的benchmark测试
 alinode与官方node性能测试方法及分析
 2019年RTC大会记录
 后端数据推送-EventSource
技术选型需要关注的软件开源协议
原文地址：https://www.cnblogs.com/LzMingYueShanPao/p/14649564.html

第1章 HDFS概述

1.1 HDFS产出背景及定义

1.2 HDFS优缺点

1.2.1 优点

1.2.2 缺点

1.3 HDFS组成架构

1.4 HDFS文件块大小（面试重点）

第2章 HDFS的Shell操作（开发重点）

2.1 基本语法

2.2 命令大全

2.3 常用命令实操

2.3.1 准备工作

2.3.2 上传

2.3.3 下载

2.3.4 HDFS直接操作

第3章 HDFS客户端操作（开发重点）

3.1 HDFS客户端环境准备

3.2 HDFS的API操作

3.2.1 HDFS文件上传（测试参数优先级）

3.2.2 HDFS文件下载

3.2.3 HDFS文件夹删除

3.2.4 HDFS文件名更改

3.2.5 HDFS文件详情查看

3.2.6 HDFS文件和文件夹判断

第4章 HDFS的数据流（面试重点）

4.1 HDFS写数据流程

4.1.1 剖析文件写入

4.1.2 网络拓扑-节点距离计算

4.1.3 机架感知（副本存储节点选择）

4.2 HDFS读数据流程

第5章 NameNode和SecondaryNameNode（面试开发重点）

5.1 NN和2NN工作机制

5.2 Fsimage和Edits解析

5.3 CheckPoint时间设置

5.4 NameNode故障处理（扩展）

5.5 集群安全模式

第6章 DataNode（面试开发重点）

6.1 DataNode工作机制

6.2 数据完整性

6.3 掉线时限参数设置

6.4 服役新数据节点

6.5 退役旧数据节点

6.5.1 添加白名单

6.5.2 黑名单退役

6.6 Datanode多目录配置