• HDFS启动及读写过程(读书笔记)


    HDFS启动过程

    整个启动过程分为两个部分:

    1、namenode启动

    (1)第一次启动namenode格式化后,创建fsimage和edits(在namenode所在结点的hadooop/data目录下)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,namenode记录操作日志,更新滚动日志。

    (3)namenode在内存中对数据进行增删改查

    2、secondary namenode启动

    (1)Secondary NameNode询问namenode是否需要checkpoint,如果需要,secondary namenode请求主namenode停止正在编辑的日志“edits_inprogress_*”,新的编辑操作记录到新的edits_inprogress_文件中,主namenode更新seen_txid文件

    (2)secondary namenode从主namenode拉取镜像文件和编辑日志

    (3)secondary namenode将镜像文件加载至内存,执行编辑日志中的事务,合并镜像文件和未融合的编辑日志成 fsimage_*.ckpt文件

    (4)secondary namenode将新的镜像文件发送到主namenode,主namenode将其保存为临时的  fsimage_*.ckpt 文件

    (5)主namenode将 fsimage_*.ckpt重命名为 fsimage 文件

    注意:当namenode处在安全模式时,可以通过hdfs dfsadmin -saveNamespace创建检查点


    HDFS读过程

    hdfs读数据流程:

    (1)实例化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,元数据节点返回保存数据块的数据节点的地址,如果数据块和客户端在一个节点上,客户端将绕过网络从磁盘直接读取数据,叫做“短回路本地读”

    (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邻近的数据节点,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()。

    (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另外一个最近datanode读取数据。失败的数据节点将被记录,以后不再连接。

    (8)输入流会通过校验和确认从datanode获取的数据是否完整。如果有损坏,输入流会将坏块报告给namenode,并从其他datanode读取该块的副本

     

    hadoop确认邻近节点

    海量数据处理的主要限制因素就是数据的传输速率——带宽。将两个节点见得带宽作为距离的衡量标准。

    可用带宽的顺序(递减):

    • 同一节点的进程
    • 同一机架的不同节点
    • 同一数据中心的不同机架上的节点
    • 不同数据中心的节点

    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

  • 相关阅读:
    解决知乎pc端频繁展现视频问题
    (转)求树的直径
    (转)海量数据处理专题
    const用法小结
    codeblocks中更改gnometerminal终端调试方法
    谷歌收购摩托罗拉移动
    (转)详解sizeof
    (转)位计算的诸多算法(计算二进制1的个数)
    (转)glibc中字符串函数源码分析
    (转)typedef的用法
  • 原文地址:https://www.cnblogs.com/zh-dream/p/12437145.html
Copyright © 2020-2023  润新知