本章配套教学视频 《大数据技术原理与应用(第2版)》 《第3章分布式文件系统HDFS》在线视频观看地址 http:/dblab.xmu.edu.cn/post/bigdata-online-course/#flesson3 大数据技术原理与应用 BIGDATA TECHNOLOGY AND APPLICATION 打开大数据之门,遨游大数据世界 大数据技术原理与应用(第2版 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 本章配套教学视频 http://dblab.xmu.edu.cn/post/bigdata-online-course/#lesson3 《大数据技术原理与应用（第2版）》 《第3章 分布式文件系统HDFS》在线视频观看地址
提纲 31分布式文件系统 32HDFs简介 33HDFs相关概念 34HDFS体系结构 35HDFs存储原理 36HDFs数据读写过程 3.7HDFS编程实践 本PPT是如下教材的配套讲义: 《大数据技术原理与应用 -概念、存储、处理、分析与应用》 (2017年2月第2版) SBN:978-7-115443304 厦门大学林子雨编著,人民邮电出版社 欢迎访问《大数据技术原理与应用》教材官方网站: http://dblab.xmu.edu.cn/post/bigdata 大数据技术原理与应用(第2版 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 提纲 • 3.1 分布式文件系统 • 3.2 HDFS简介 • 3.3 HDFS相关概念 • 3.4 HDFS体系结构 • 3.5 HDFS存储原理 • 3.6 HDFS数据读写过程 • 3.7 HDFS编程实践 欢迎访问《大数据技术原理与应用》教材官方网站： http://dblab.xmu.edu.cn/post/bigdata 本PPT是如下教材的配套讲义： 《大数据技术原理与应用 ——概念、存储、处理、分析与应用》 （2017年2月第2版） ISBN:978-7-115-44330-4 厦门大学 林子雨 编著，人民邮电出版社
3.1分布式文件系统 ·3.1.1 计算机集群结构 ·3.1.2 分布式文件系统的结构 大数据技术原理与应用(第2 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 3.1 分布式文件系统 • 3.1.1 计算机集群结构 • 3.1.2 分布式文件系统的结构
3.1.1计算机集群结构 ·分布式文件系统把文件分布存储到多个计算机节点上,成千上万的计算 机节点构成计算机集群 ·与之前使用多个处理器和专用高级硬件的并行化处理装置不同的是,目 前的分布式文件系统所采用的计算机集群,都是由普通硬件构成的,这就 大大降低了硬件上的开销 交换机 节点ⅹ 网络互联 节点y 机架1 机架2 机架n 图3-1计算机集群的基本架构 大数据技术原理与应用(第2 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 3.1.1计算机集群结构 •分布式文件系统把文件分布存储到多个计算机节点上，成千上万的计算 机节点构成计算机集群 •与之前使用多个处理器和专用高级硬件的并行化处理装置不同的是，目 前的分布式文件系统所采用的计算机集群，都是由普通硬件构成的，这就 大大降低了硬件上的开销 …… 机架1 机架2 机架n 网络互联 Node x Node y Node x Node y Node x Node y 交换机 节点 x 节点 y 图3-1 计算机集群的基本架构
》312分布式文件系统的结构 分布式文件系统在物理结构上是由计算机集群中的多个节点构成的,这些节点分为 两类,一类叫“主节点”( Master node)或者也被称为“名称结点”( NameNode), 另一类叫“从节点”( Slave node)或者也被称为“数据节点”( DataNode) 客户端)访问请求 主节点 访问请求客户端 读 写 写 数据节点 数据节点 复制 文件块 机架1 机架n 图32大规模文件系统的整体结构 大数据技术原理与应用(第2版 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 3.1.2分布式文件系统的结构 分布式文件系统在物理结构上是由计算机集群中的多个节点构成的，这些节点分为 两类，一类叫“主节点”(Master Node)或者也被称为“名称结点”(NameNode)， 另一类叫“从节点”（Slave Node）或者也被称为“数据节点”(DataNode) 主节点 客户端 客户端 机架1 机架n 数据节点 数据节点 访问请求 访问请求 读 写 写 复制 文件块 图3-2 大规模文件系统的整体结构
32HDFs简介 总体而言,HDFS要实现以下目标: ●兼容廉价的硬件设备 ●流数据读写 大数据集 ●简单的文件模型 ●强大的跨平台兼容性 HDFS特殊的设计,在实现上述优良特性的同时,也使得自身具有一些应用 局限性,主要包括以下几个方面: ●不适合低延迟数据访问 ●无法高效存储大量小文件 ●不支持多用户写入及任意修改文件 大数据技术原理与应用(第2版 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 3.2 HDFS简介 总体而言，HDFS要实现以下目标： ●兼容廉价的硬件设备 ●流数据读写 ●大数据集 ●简单的文件模型 ●强大的跨平台兼容性 HDFS特殊的设计，在实现上述优良特性的同时，也使得自身具有一些应用 局限性，主要包括以下几个方面： ●不适合低延迟数据访问 ●无法高效存储大量小文件 ●不支持多用户写入及任意修改文件
3.31块 HDFS默认一个块64MB,一个文件被分成多个块,以块作为存储单位 块的大小远远大于普通文件系统,可以最小化寻址开销 HDFS采用抽象的块概念可以带来以下几个明显的好处: ●支持大规模文件存储:文件以块为单位进行存储,一个大规模文 件可以被分拆成若干个文件块,不同的文件块可以被分发到不同的节点 上,因此,一个文件的大小不会受到单个节点的存储容量的限制,可以 远远大于网络中任意节点的存储容量 ●简化系统设计:首先,大大简化了存储管理,因为文件块大小是 固定的,这样就可以很容易计算出一个节点可以存储多少文件块;其次 ,方便了元数据的管理,元数据不需要和文件块一起存储,可以由其他 系统负责管理元数据 适合数据备份:每个文件块都可以冗余存储到多个节点上,大大 提高了系统的容错性和可用性 大数据技术原理与应用(第2 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 3.3.1块 HDFS默认一个块64MB，一个文件被分成多个块，以块作为存储单位 块的大小远远大于普通文件系统，可以最小化寻址开销 HDFS采用抽象的块概念可以带来以下几个明显的好处： ● 支持大规模文件存储：文件以块为单位进行存储，一个大规模文 件可以被分拆成若干个文件块，不同的文件块可以被分发到不同的节点 上，因此，一个文件的大小不会受到单个节点的存储容量的限制，可以 远远大于网络中任意节点的存储容量 ● 简化系统设计：首先，大大简化了存储管理，因为文件块大小是 固定的，这样就可以很容易计算出一个节点可以存储多少文件块；其次 ，方便了元数据的管理，元数据不需要和文件块一起存储，可以由其他 系统负责管理元数据 ● 适合数据备份：每个文件块都可以冗余存储到多个节点上，大大 提高了系统的容错性和可用性
332名称节点和数据节点 HDFS主要组件的功能 Name Node Data Nodes Data HDFS metadata File. bxt BIk A. NameNode DataNode DNL DNS, DN6 ·存储元数据 ·存储文件内容 Blk B: DNZ, DN1, DN2 元数据保存在内存中 ·文件内容保存在磁盘 Blk Ce ·保存文件 block, datanode·维护了 block id到 datanode本 DN5, DNS, DN9 之间的映射关系 地文件的映射关系 大数据技术原理与应用(第2版 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 3.3.2名称节点和数据节点
332名称节点和数据节点 名称节点的数据结构 在HDFS中,名称节点( NameNode)负责管理分布式文件系统的命名空间 ( Namespace),保存了两个核心的数据结构,即 FsImage和 EditLog Fslmage用于维护文件系统树以及文件树中所有的文件和文件夹的元数据 操作日志文件 EditLog中记录了所有针对文件的创建、删除、重命名等操作 ·名称节点记录了每个文件中各个块所在的数据节点的位置信息 根目录 名称节点( NameNode) 「目录目录]目录 Talmage 文件 Editlog 块 块 记录了所有针对文件的创建、删除、 重命名等操作 图3-3名称节点的数据结构 大数据技术原理与应用(第2版 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 3.3.2名称节点和数据节点 •在HDFS中，名称节点（NameNode）负责管理分布式文件系统的命名空间 （Namespace），保存了两个核心的数据结构，即FsImage和EditLog •FsImage用于维护文件系统树以及文件树中所有的文件和文件夹的元数据 •操作日志文件EditLog中记录了所有针对文件的创建、删除、重命名等操作 •名称节点记录了每个文件中各个块所在的数据节点的位置信息 名称节点(NameNode) FsImage EditLog 根目录 目录 目录 目录 文件 块 … 块 记录了所有针对文件的创建、删除、 重命名等操作 图3-3 名称节点的数据结构 名称节点的数据结构
332名称节点和数据节点 Fslmage文件 Fslmage文件包含文件系统中所有目录和文件 Inode的序列化形式 每个 inode是一个文件或目录的元数据的内部表示,并包含此类信 息:文件的复制等级、修改和访问时间、访问权限、块大小以及组 成文件的块。对于目录,则存储修改时间、权限和配额元数据 Talmage文件没有记录文件包含哪些块以及每个块存储在哪个数据 节点。而是由名称节点把这些映射信息保留在内存中,当数据节点 加入HDFS集群时,数据节点会把自己所包含的块列表告知给名称 节点,此后会定期执行这种告知操作,以确保名称节点的块映射是 最新的。 大数据技术原理与应用(第2版 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn
《大数据技术原理与应用（第2版）》 厦门大学计算机科学系 林子雨 ziyulin@xmu.edu.cn 3.3.2名称节点和数据节点 •FsImage文件包含文件系统中所有目录和文件inode的序列化形式 。每个inode是一个文件或目录的元数据的内部表示，并包含此类信 息：文件的复制等级、修改和访问时间、访问权限、块大小以及组 成文件的块。对于目录，则存储修改时间、权限和配额元数据 •FsImage文件没有记录文件包含哪些块以及每个块存储在哪个数据 节点。而是由名称节点把这些映射信息保留在内存中，当数据节点 加入HDFS集群时，数据节点会把自己所包含的块列表告知给名称 节点，此后会定期执行这种告知操作，以确保名称节点的块映射是 最新的。 FsImage文件