网站qq显示未启用,百度推广有哪些推广方式,天河区营销型网站建设,个人网站可以备案几个目录
一、Hadoop
1、Hadoop发展简史
2、HDFS存储模型
3、HDFS架构设计
3.1、角色功能
3.2、元数据持久化
3.3、安全模式
3.4、HDFS中的SNN
3.5、Block的副本放置策略
4、HDFS写流程
5、HDFS读流程 一、Hadoop
Hadoop之父Doug Cutting
Hadoop的发音[hdu:p] #x…目录
一、Hadoop
1、Hadoop发展简史
2、HDFS存储模型
3、HDFS架构设计
3.1、角色功能
3.2、元数据持久化
3.3、安全模式
3.4、HDFS中的SNN
3.5、Block的副本放置策略
4、HDFS写流程
5、HDFS读流程 一、Hadoop
Hadoop之父Doug Cutting
Hadoop的发音[hædu:p] Cutting儿子对玩具小象的昵称
1、Hadoop发展简史
2002年10月Doug Cutting和Mike Cafarella创建了开源网页爬虫项目Nutch。2003年10月Google发表Google File System论文。2004年7月Doug Cutting和Mike Cafarella在Nutch中实现了类似GFS的功能即后来HDFS的前身。2004年10月Google发表了MapReduce论文。2005年2月Mike Cafarella在Nutch中实现了MapReduce的最初版本。2005年12月开源搜索项目Nutch移植到新框架使用MapReduce和HDFS在20个节点稳定运行。2006年1月Doug Cutting加入雅虎Yahoo!提供一个专门的团队和资源将Hadoop发展成一个可在网络上运行的系统。2006年2月Apache Hadoop项目正式启动以支持MapReduce和HDFS的独立发展。2006年3月Yahoo!建设了第一个Hadoop集群用于开发。2006年4月第一个Apache Hadoop发布。2006年11月Google发表了Bigtable论文激起了Hbase的创建。2007年10月第一个Hadoop用户组会议召开社区贡献开始急剧上升。2007年百度开始使用Hadoop做离线处理。2007年中国移动开始在“大云”研究中使用Hadoop技术。2008年淘宝开始投入研究基于Hadoop的系统——云梯并将其用于处理电子商务相关数据。2008年1月Hadoop成为Apache顶级项目。2008年2月Yahoo!运行了世界上最大的Hadoop应用宣布其搜索引擎产品部署在一个拥有1万个内核的Hadoop集群上。2008年4月在900个节点上运行1TB排序测试集仅需209秒成为世界最快。2008年8月第一个Hadoop商业化公司Cloudera成立。2008年10月研究集群每天装载10TB的数据。2009 年3月Cloudera推出世界上首个Hadoop发行版——CDHClouderas Distribution including Apache Hadoop平台完全由开放源码软件组成。 Cloudera公司网址2009年6月Cloudera的工程师Tom White编写的《Hadoop权威指南》初版出版后被誉为Hadoop圣经。2009年7月 Hadoop Core项目更名为Hadoop Common;2009年7月 MapReduce 和 Hadoop Distributed File System (HDFS) 成为Hadoop项目的独立子项目。2009年8月Hadoop创始人Doug Cutting加入Cloudera担任首席架构师。2009年10月首届Hadoop World大会在纽约召开。2010年5月IBM提供了基于Hadoop 的大数据分析软件——InfoSphere BigInsights包括基础版和企业版。2011年3月Apache Hadoop获得Media Guardian Innovation Awards媒体卫报创新奖2012年3月企业必须的重要功能HDFS NameNode HA被加入Hadoop主版本。2012年8月另外一个重要的企业适用功能YARN成为Hadoop子项目。2014年2月Spark逐渐代替MapReduce成为Hadoop的缺省执行引擎并成为Apache基金会顶级项目。2017年12月Release 3.0.0 generally available
hadoop官网 Cloudera公司网址
2、HDFS存储模型
文件线性按字节切割成块(block)具有offsetid文件与文件的block大小可以不一样一个文件除最后一个block其他block大小一致block的大小依据硬件的I/O特性调整block被分散存放在集群的节点中具有locationBlock具有副本(replication)没有主从概念副本不能出现在同一个节点副本是满足可靠性和性能的关键文件上传可以指定block大小和副本数上传后只能修改副本数一次写入多次读取不支持修改支持追加数据
3、HDFS架构设计
HDFS是一个主从(Master/Slaves)架构由一个NameNode和一些DataNode组成面向文件包含文件数据(data)和文件元数据(metadata)NameNode负责存储和管理文件元数据并维护了一个层次型的文件目录树DataNode负责存储文件数据(block块)并提供block的读写DataNode与NameNode维持心跳并汇报自己持有的block信息Client和NameNode交互文件元数据和DataNode交互文件block数据
3.1、角色功能
NameNode
完全基于内存存储文件元数据、目录结构、文件block的映射需要持久化方案保证数据可靠性提供副本放置策略
DataNode
基于本地磁盘存储block(文件的形式)并保存block的校验和数据保证block的可靠性与NameNode保持心跳汇报block列表状态
3.2、元数据持久化
任何对文件系统元数据产生修改的操作Namenode都会使用一种称为EditLog的事务日志记录下来使用FsImage存储内存所有的元数据状态使用本地磁盘保存EditLog和FsImageEditLog具有完整性数据丢失少但恢复速度慢并有体积膨胀风险FsImage具有恢复速度快体积与内存数据相当但不能实时保存数据丢失多NameNode使用了FsImageEditLog整合的方案 滚动将增量的EditLog更新到FsImage以保证更近时点的FsImage和更小的EditLog体积
3.3、安全模式
HDFS搭建时会格式化格式化操作会产生一个空的FsImage当Namenode启动时它从硬盘中读取Editlog和FsImage将所有Editlog中的事务作用在内存中的FsImage上并将这个新版本的FsImage从内存中保存到本地磁盘上然后删除旧的Editlog因为这个旧的Editlog的事务都已经作用在FsImage上了Namenode启动后会进入一个称为安全模式的特殊状态。处于安全模式的Namenode是不会进行数据块的复制的。Namenode从所有的 Datanode接收心跳信号和块状态报告。每当Namenode检测确认某个数据块的副本数目达到这个最小值那么该数据块就会被认为是副本安全(safely replicated)的。在一定百分比这个参数可配置的数据块被Namenode检测确认是安全之后加上一个额外的30秒等待时间Namenode将退出安全模式状态。接下来它会确定还有哪些数据块的副本没有达到指定数目并将这些数据块复制到其他Datanode上。
3.4、HDFS中的SNN
SecondaryNameNodeSNN
在非Ha模式下SNN一般是独立的节点周期完成对NN的EditLog向FsImage合并减少EditLog大小减少NN启动时间根据配置文件设置的时间间隔fs.checkpoint.period 默认3600秒根据配置文件设置edits log大小 fs.checkpoint.size 规定edits文件的最大值默认是64MB 3.5、Block的副本放置策略
第一个副本放置在上传文件的DN如果是集群外提交则随机挑选一台磁盘不太满CPU不太忙的节点。 第二个副本放置在于第一个副本不同的 机架的节点上。 第三个副本与第二个副本相同机架的节点。 更多副本随机节点。
4、HDFS写流程
Client和NN连接创建文件元数据NN判定元数据是否有效NN处发副本放置策略返回一个有序的DN列表Client和DN建立Pipeline连接Client将块切分成packet64KB并使用chunk512Bchucksum4B填充Client将packet放入发送队列dataqueue中并向第一个DN发送第一个DN收到packet后本地保存并发送给第二个DN第二个DN收到packet后本地保存并发送给第三个DN这一个过程中上游节点同时发送下一个packet生活中类比工厂的流水线结论流式其实也是变种的并行计算Hdfs使用这种传输方式副本数对于client是透明的当block传输完成DN们各自向NN汇报同时client继续传输下一个block所以client的传输和block的汇报也是并行的
5、HDFS读流程
为了降低整体的带宽消耗和读取延时HDFS会尽量让读取程序读取离它最近的副本。如果在读取程序的同一个机架上有一个副本那么就读取该副本。如果一个HDFS集群跨越多个数据中心那么客户端也将首先读本地数据中心的副本。语义下载一个文件 Client和NN交互文件元数据获取fileBlockLocationNN会按距离策略排序返回Client尝试下载block并校验数据完整性语义下载一个文件其实是获取文件的所有的block元数据那么子集获取某些block应该成立 Hdfs支持client给出文件的offset自定义连接哪些block的DN自定义获取数据这个是支持计算层的分治、并行计算的核心 再小的努力乘以365都很明显 一个程序员最重要的能力是写出高质量的代码 有道无术术尚可求也有术无道止于术。 无论你是年轻还是年长所有程序员都需要记住时刻努力学习新技术否则就会被时代抛弃
