Hadoop框架：DataNode工作機制詳解

知了一笑發表於2020-10-20
Hadoop框架

本文原始碼：GitHub·點這裡 || GitEE·點這裡

一、工作機制

1、基礎描述

DataNode上資料塊以檔案形式儲存在磁碟上，包括兩個檔案，一個是資料本身，一個是資料塊後設資料包括長度、校驗、時間戳；

DataNode啟動後向NameNode服務註冊，並週期性的向NameNode上報所有的資料塊後設資料資訊；

DataNode與NameNode之間存在心跳機制，每3秒一次，返回結果帶有NameNode給該DataNode的執行命令，例如資料複製刪除等，如果超過10分鐘沒有收到DataNode的心跳，則認為該節點不可用。

2、自定義時長

通過hdfs-site.xml配置檔案，修改超時時長和心跳，其中中的heartbeat.recheck.interval的單位為毫秒，dfs.heartbeat.interval的單位為秒。

<property>
    <name>dfs.namenode.heartbeat.recheck-interval</name>
    <value>600000</value>
</property>
<property>
    <name>dfs.heartbeat.interval</name>
    <value>6</value>
</property>

3、新節點上線

當前機器的節點為hop01、hop02、hop03，在此基礎上新增節點hop04。

基本步驟

基於當前一個服務節點克隆得到hop04環境；

修改Centos7相關基礎配置，並刪除data和log檔案；

啟動DataNode，即可關聯到叢集；

4、多目錄配置

該配置同步叢集下服務，格式化啟動hdfs及yarn，上傳檔案測試。

<property>
    <name>dfs.datanode.data.dir</name>
    <value>file:///${hadoop.tmp.dir}/dfs/data01,file:///${hadoop.tmp.dir}/dfs/data02</value>
</property>

二、黑白名單配置

1、白名單設定

配置白名單，該配置分發到叢集服務下；

[root@hop01 hadoop]# pwd
/opt/hadoop2.7/etc/hadoop
[root@hop01 hadoop]# vim dfs.hosts
hop01
hop02
hop03

配置hdfs-site.xml，該配置分發到叢集服務下；

<property>
    <name>dfs.hosts</name>
    <value>/opt/hadoop2.7/etc/hadoop/dfs.hosts</value>
</property>

重新整理NameNode

[root@hop01 hadoop2.7]# hdfs dfsadmin -refreshNodes

重新整理ResourceManager

[root@hop01 hadoop2.7]# yarn rmadmin -refreshNodes

2、黑名單設定

配置黑名單，該配置分發到叢集服務下；

[root@hop01 hadoop]# pwd
/opt/hadoop2.7/etc/hadoop
[root@hop01 hadoop]# vim dfs.hosts.exclude
hop04

配置hdfs-site.xml，該配置分發到叢集服務下；

<property>
    <name>dfs.hosts.exclude</name>
    <value>/opt/hadoop2.7/etc/hadoop/dfs.hosts.exclude</value>
</property>

重新整理NameNode

[root@hop01 hadoop2.7]# hdfs dfsadmin -refreshNodes

重新整理ResourceManager

[root@hop01 hadoop2.7]# yarn rmadmin -refreshNodes

三、檔案存檔

1、基礎描述

HDFS儲存的特點，適合海量資料的大檔案，如果每個檔案都很小，會產生大量的後設資料資訊，佔用過多的記憶體，並且在NaemNode和DataNode互動的時候變的緩慢。

HDFS可以對一些小的檔案進行歸檔儲存，這裡可以理解為壓縮儲存，即減少NameNode的消耗，也較少互動的負擔，同時還允許對歸檔的小檔案訪問，提高整體的效率。

2、操作流程

建立兩個目錄

# 存放小檔案
[root@hop01 hadoop2.7]# hadoop fs -mkdir -p /hopdir/harinput
# 存放歸檔檔案
[root@hop01 hadoop2.7]# hadoop fs -mkdir -p /hopdir/haroutput

上傳測試檔案

[root@hop01 hadoop2.7]# hadoop fs -moveFromLocal LICENSE.txt /hopdir/harinput
[root@hop01 hadoop2.7]# hadoop fs -moveFromLocal README.txt /hopdir/harinput

歸檔操作

[root@hop01 hadoop2.7]# bin/hadoop archive -archiveName output.har -p /hopdir/harinput /hopdir/haroutput

檢視歸檔檔案

[root@hop01 hadoop2.7]# hadoop fs -lsr har:///hopdir/haroutput/output.har

這樣就可以把原來的那些小檔案塊刪除即可。

解除歸檔檔案

# 執行解除
[root@hop01 hadoop2.7]# hadoop fs -cp har:///hopdir/haroutput/output.har/* /hopdir/haroutput
# 檢視檔案
[root@hop01 hadoop2.7]# hadoop fs -ls /hopdir/haroutput

四、回收站機制

1、基礎描述

如果開啟回收站功能，被刪除的檔案在指定的時間內，可以執行恢復操作，防止資料被誤刪除情況。HDFS內部的具體實現就是在NameNode中啟動一個後臺執行緒Emptier，這個執行緒專門管理和監控系統回收站下面的檔案，對於放進回收站的檔案且超過生命週期，就會自動刪除。

2、開啟配置

該配置需要同步到叢集下的所有服務；

[root@hop01 hadoop]# vim /opt/hadoop2.7/etc/hadoop/core-site.xml 
# 新增內容
<property>
   <name>fs.trash.interval</name>
    <value>1</value>
</property>

fs.trash.interval=0，表示禁用回收站機制，=1表示開啟。

五、原始碼地址

GitHub·地址
https://github.com/cicadasmile/big-data-parent
GitEE·地址
https://gitee.com/cicadasmile/big-data-parent

推薦閱讀：程式設計體系整理

序號 專案名稱 GitHub地址 GitEE地址 推薦指數
01 Java描述設計模式,演算法,資料結構 GitHub·點這裡 GitEE·點這裡 ☆☆☆☆☆
02 Java基礎、併發、物件導向、Web開發 GitHub·點這裡 GitEE·點這裡 ☆☆☆☆
03 SpringCloud微服務基礎元件案例詳解 GitHub·點這裡 GitEE·點這裡 ☆☆☆
04 SpringCloud微服務架構實戰綜合案例 GitHub·點這裡 GitEE·點這裡 ☆☆☆☆☆
05 SpringBoot框架基礎應用入門到進階 GitHub·點這裡 GitEE·點這裡 ☆☆☆☆
06 SpringBoot框架整合開發常用中介軟體 GitHub·點這裡 GitEE·點這裡 ☆☆☆☆☆
07 資料管理、分散式、架構設計基礎案例 GitHub·點這裡 GitEE·點這裡 ☆☆☆☆☆
08 大資料系列、儲存、元件、計算等框架 GitHub·點這裡 GitEE·點這裡 ☆☆☆☆☆

相關文章