hadoop的体系架构

  • HDFS的体系架构
    • NameNode
      • edits文件（客户端的操作日志）
      • fsimage文件（元信息文件）
    • DataNode
    • Secondary NameNode
  • Yarn的体系架构
  • HBase
  • 主从架构的单点故障的问题

HDFS的体系架构

NameNode

NameNode：主节点
职责：
（1）管理HDFS
（2）接收客户端的请求：数据上传，数据下载
（3）维护HDFS：维护edits文件（客户端的操作日志）、维护fsimage文件（元信息文件）

所处路径：
$HADOOP_HOME/tmp/dfs
（ /root/training/hadoop-2.7.3/tmp/dfs ）

edits文件（客户端的操作日志）

所处路径：
$HADOOP_HOME/tmp/dfs/name/current
（ /root/training/hadoop-2.7.3/tmp/dfs/name/current ）

edits_inprogress_0000000000000000105是当前正在操作的日志，所有的edits文件都是二进制文件，使用一般的编辑器查看不了，所以可以使用下面这个命令来进行查看：

hdfs oev -i edits_inprogress_0000000000000000105 -o ~/a.xml# -i 后接输入文件（想查看的文件） -o后接输出文件

这里我们先对dfs进行一个创建目录的操作，然后这个操作也会被hdfs的日志记录下来

hdfs dfs -mkdir /tools

进行创建操作后，使用日志查看器进行查看（相当于转化成xml格式文件进行查看）

hdfs oev -i edits_inprogress_0000000000000000105 -o ~/a.xmlvi a.xml

标签中就是一条条操作的记录，操作的行为是创建文件夹（OP_MKDIR），创建的目录是tools（/tools）

如果hdfs的元信息文件损坏，我们则可以通过日志文件进行恢复。

fsimage文件（元信息文件）

记录的是数据块的位置信息，冗余信息
位置：$HADOOP_HOME/tmp/dfs/name/current

下面将jdk的压缩包进行上传，fsimage文件中则会记录数据块的位置信息和冗余度。

hdfs dfs -put jdk-8u181-linux-x64.tar.gz /tools

提供元信息查看器

hdfs oiv -i fsimage_0000000000000000104 -o ~/b.xml -p XML

DataNode

DataNode：从节点
1、职责：按照数据块来保存数据：1.x：64M 2.x：128M
2、数据块的位置
$HADOOP_HOME/tmp/dfs/data/current/BP-90413187-192.168.157.111-1582475681214/current/finalized/subdir0/subdir0

Demo：上传数据 hdfs dfs -put jdk-8u181-linux-x64.tar.gz /tools，大概204M

数据块相加起来的大小就是之前上传jdk文件的大小。

设置数据块冗余度的一般原则：冗余度跟数据节点个数一致，最大不超过3

Secondary NameNode

Secondary NameNode：第二名称节点，跟NameNode运行在一起
1、不是NameNode热备
2、职责：定期进行日志信息的合并：把edits—-> fsimage文件
3、重点：掌握日志合并的过程（为什么Secondary NameNode要和NameNode运行在一起）


（1）将NameNode的edits日志和fsimage元信息文件下载至secondaryNameNode（copy）

（2）secondaryNameNode将edits日志和fsimage元信息合并成fsimage.check文件
（3）secondaryNameNode将fsimage.check文件上传到NameNode，NameNode对fsimage.check文件再进行维护。

这也解释了为什么Secondary NameNode要和NameNode运行在一起，因为在同一机台上，可以大幅度提高下载的速度和上传速度。

在下载和上传期间，会生产新的edits文件，这个时候会先暂存在edits_inprogress中，等到其他edits上传完成，又变成新的edits文件，继续进行下载操作。

合并发生的时机” />Yarn的体系架构

1、ResourceManager：主节点
职责：
（1）接收客户端的请求：执行MapReduce任务的请求
（2）资源的分配：CPU、内存、网络
（3）任务的分配：NodeManager

2、NodeManager：从节点
职责：
（1）从ResourceManager获取任务和资源
（2）执行任务

3、Yarn调度MapReduce任务的过程


（1）客户端发起任务 hadoop jar ***
（2）JobClient.java向ResourceManager请求创建任务ID
（3）JobClient.java将任务（jar文件）上传到HDFS
（4）JobClient.java向HDFS获取元信息（数据元信息、任务元信息）
（5）JobClient.java向ResourceManager提交任务：任务ID、数据元信息、任务元信息
（6）ResourceManager对任务进行初始化（谁来执行、资源怎么分配）
（7）ResourceManager将任务分配给NodeManager
（8）启动Application Container，任务都运行在 Container中。
（9）NodeManager根据第七步分配的数据和任务的元信息，向HDFS获取数据和任务。

为什么NodeManager和DataNode在同一机台？
因为NodeManager根据ResourceManager分配的数据和任务的元信息，向HDFS的DataNode获取数据和任务，如果在同一机台，获取的速度会很快，大大提高了性能。

4、Yarn的资源分配方式

（1）FIFO Scheduler 先来先得，问题：没有考虑任务的优先级
（2）Capacity Scheduler：容器管理的调度规则，允许多个组织共享集群的资源
（3）Fair Scheduler：公平调度原则，假设：任务具有相同的优先级，平均分配系统的资源。如果加入权重，那么会根据权重的占比来进行分配。

HBase

HBase：基于HDFS之上的NoSQL数据库
1、HMaster：主节点
2、RegionServer：从节点
3、ZooKeeper：当成“数据库”

主从架构的单点故障的问题

主从架构的单点故障的问题，需要实现HA（High Availablity高可用性）


HA（高可用性）核心思想：多几个主节点，但只有一个主节点处于Active状态，其他的主节点处于StandBy，一旦处于Active的主节点损坏，那么可以借助ZooKeeper激活另外的主节点。