大数据系列文章之HDFS系统架构与组件功能

栏目:bet36软件 来源:奇妆女人秀 时间:2019-10-21
大数据系列文章之HDFS系统架构与组件功能

HDFS引入

HDFS 是分布式文件系统,首先我们来看一下什么是文件系统

文件系统

  • 文件系统:
  • 看得见的
  • 文件管理:拿windows系统举例,咱们可以看到有各种盘符,盘符下面有各种目录以及文件
  • 看不见的
  • 块(block)管理:文件实际存放的位置是在磁盘中的块内
  • 单机文件系统
  • windows
  • FAT16、FAT32、NTFS等等
  • linux
  • ext2/3/4、xfs
  • 分布式文件系统
  • 将数据交给多个服务器进行处理

Nutch

大数据系列文章之HDFS系统架构与组件功能

  • 之前的文章可以看到 Nutch使用分布式存储解决了数据存放的问题,具体实现方式是怎样的呢?又与HDFS有何渊源呢?
  • 由网络爬虫爬取数据
  • 此时调用drive,这里driver主要做了两件事
  • 存储medatada
  • 文件名、创建时间、文件大小
  • 文件与块(block)的对应关系
  • 块(block)与机器的对应关系
  • 存储block
  • 最后索引服务器调用driver的metadata到对应的服务器取对应的块信息进行分析,生成索引文件
  • 索引文件:关键字 --> [ file1,file2,…… ]

HDFS

大数据系列文章之HDFS系统架构与组件功能

  • 这时我们把driver功能抽离出来成为一个通用的功能:HDFS
  • HDFS会有两种进程:
  • NameNode:
  • 文件名、创建时间、文件大小
  • 文件与块(block)的对应关系
  • 块(block)与DataNode的对应关系
  • DataNode:存放block
  • 在上图中
  • 机器A,B,C上都会启动一个DataNode进程用来和NameNode通讯以及进行实际的文件操作
  • 机器D上启动一个NameNode,存放metadata信息以及和DataNode通讯
  • 当有文件操作请求时,会向机器D中的NameNode进程询问metadata信息,机器D中的NameNode进程会将对应结果返回给client
  • client 根据NameNode返回的结果去对应的DataNode上执行实际的文件操作

HDFS组件

  • NameNode
  • 主节点,存储文件的metadata(文件名、文件目录、文件属性:生成时间,副本数,文件权限等),以及每个文件的块列表和块所在的DataNode等
  • DataNode
  • 本地文件系统存储文件块数据,以及块数据的校验和
  • 校验和主要是为了防止在网络通信过程中,block发生损坏,进而保证数据一致性
  • SecondaryNameNode
  • 监控HDFS状态的辅助后台程序,每隔一段时间获取HDFS的metadata快照
  • 分担NameNode压力,合并编辑日志文件(edits)和镜像文件(fsimage),将最终的镜像文件交给NameNode
  • 当客户端请求过来之后,先写入编辑日志文件内,隔一段时间需要和镜像文件进行合并,这个操作非常占用资源,影响客户端请求质量,所以将这个操作交给SecondaryNameNode进行处理,将最终的镜像文件交给NameNode
相关文章
评论
新版评论功能开发中
头条推荐
最新资讯