HDFS 原理与应用｜ 青训营笔记
# HDFS 原理与应用｜ 青训营笔记
这是我参与「第四届青训营 」笔记创作活动的的第 8 天
# HDFS 基本介绍
HDFS 全称 Hadoop Distributed File System
Hadoop 技术体系：
- 应用层
- Map Reduce
- Spark 当前业界的使用已经远超于 MapReduce，尽管它不属于 Hadoop 项目，但是和 Hadoop 也有紧密关系。
- 调度层
- Yarn
- 存储层
- HDFS
# 文件系统
单机文件系统非常普遍，从 Windows NTFS 到 Linux 的 Ext4 等，分布式文件系统是单机文件的延伸，概念术语是相通的，比如目录、文件、目录树等。
- 单机文件系统：常见的如 Windows NTFS，Linux 的 Ext4、BTRFS、XFS 等，虽然不同的操作系统和实现，但是本质都是一样的，解决相同的问题。
- 分布式文件系统：本质上扩展、延伸了单机文件系统，提供了大容量、高可靠、低成本等功能特性；实现上一般也更为复杂。
# 分布式存储系统
- 对象存储：例如 AWS 的 S3，阿里云的 OSS，开源的 Minio。
- 块存储：例如 AWS 的 EBS，开源社区也有 Ceph 等。
- 文件系统：HDFS、GlusterFS、CubeFS 等
- 数据库：KV 数据库比如 Cassandra，关系型数据库如 TiDB、OceanBase 等
# HDFS 功能特性
- 分布式：受 GFS 启发，用 Java 实现的开源系统，没有实现完整的 POSIX 文件系统语义
- 容错：自动处理、规避多种错误场景，例如常见的网络错误、机器宕机等。
- 高可用：一主多备模式实现元数据高可用，数据多副本实现用户数据的高可用
- 高吞吐：Client 直接从 DataNode 读取用户数据，服务端支持海量 client 并发读写
- 可扩展：支持联邦集群模式，DataNode 数量可达 10w 级别
- 廉价：只需要通用硬件，不需要定制高端的昂贵硬件设备
# 架构原理
分布式存储系统的基本概念，这些概念基本上每个分布式存储系统都会涉及到。
- 容错能力
- 一致性模型
- 可扩展性
- 节点体系模式
- 数据放置策略
- 单机存储引擎
HDFS 组件
- Client/SDK：读写操作的发起点，HDFS 很多读写逻辑都是在 SDK 中实现的。
- NameNode：元数据节点，是 HDFS 的中枢节点，也是服务的入口。
- DataNode：数据节点，存放实际用户数据。
# Client 写流程
# Client 读流程
# NameNode（元数据节点）
- 维护目录树：维护目录树的增删改查操作，保证所有修改都能持久化，以便机器掉电不会造成数据丢失或不一致。
- 维护文件和数据块的关系：文件被切分成多个块，文件以数据块为单位进行多副本存放。
- 维护文件块存放节点信息：通过接收 DataNode 的心跳汇报信息，维护集群节点的拓扑结构和每个文件块所有副本所在的 DataNode 类表。
- 分配新文件存放节点：Client 创建新的文件时候，需要有 NameNode 来确定分配目标 DataNode。
# DataNode（数据节点）
- 数据块存取：DataNode 需要高效实现对数据块在硬盘上的存取。
- 心跳汇报：把存放在本机的数据块列表发送给 NameNode，以便 NameNode 能维护数据块的位置信息，同时让 NameNode 确定该节点处于正常存活状态。
- 副本复制：
- 数据写入时 Pipeline IO 操作
- 机器故障时补全副本
# 关键设计
分布式存储系统的基本概念，这些概念基本上每个分布式存储系统都会涉及到。
- 容错能力：能够处理绝大部分异常场景，例如服务器宕机、网络异常、磁盘故障、网络超时等。
- 一致性模型：为了实现容错，数据必须多副本存放，一致性要解决的问题是如何保障这多个副本的内容都是一致的。
- 可扩展性：分布式存储系统需要具备横向扩张 scale-out 的能力。
- 节点体系模式：常见的有主从模式、对等模式等，不管哪种模式，高可用是必须的功能。
- 数据放置策略：系统是由多个节点组成，数据是多个副本存放时，需要考虑数据存放的策略。
- 单机存储引擎：在绝大部分存储系统中，数据都是需要落盘持久化，单机引擎需要解决的是根系统特点，如何高效得存取硬盘数据。
# NameNode 目录树维护
完整的 metadata 信息就应该由 FSImage 文件和 edit log 文件组成。fsimage 中存储的信息就相当于整个 hdfs 在某一时刻的一个快照。
- fsimage
- 文件系统目录树
- 完整的存放在内存中
- 定时存放到硬盘上
- 修改是只会修改内存中的目录树
- EditLog
- 目录树的修改日志
- client 更新目录树需要持久化 EditLog 后才能表示更新成功
- EditLog 可存放在本地文件系统，也可存放在专用系统上
- NameNode HA 方案一个关键点就是如何实现 EditLog 共享
# NameNode 数据放置
- 数据块信息维护
- 目录树保存每个文件的块 id
- NameNode 维护了每个数据块所在的节点信息
- NameNode 根据 DatalNode 汇报的信息动态维护位置信息
- NameNode 不会持久化数据块位置信息
# DataNode
- 数据块的硬盘存放
- 文件在 NameNode 已分割成 block
- DataNodellblock 为单位对数据进行存取
- 启动扫盘
- DataNode 需要知道本机存放了哪些数据块
- 启动时把本机硬盘上的数据块列表加载在内存中
# HDFS 写异常处理
# Lease Recovery
租约：CIient 要修改一个文件时，需要通过 NameNode 上锁，这个锁就是租约 (Lease)。
情景：文件写了一半，client 自己挂掉了。可能产生的问题：
- 副本不一致，当出现不一致时会比较副本之间的大小，选取较小的副本返回
- Lease 无法释放，客户端获取租约后会有 10 分钟的超时时间，客户端需要定期向 NameNode 续租，如无续租并超时 NameNode 会判断客户端已经挂掉然后把客户端踢掉，并释放租约。
# Pipeline Recovery
情景： 文件写入过程中，DataNode 侧出现异常挂掉了。
异常出现的时机：
- 创建连接时
- 数据传输时
- complete 阶段
# Client 读异常处理
情景：读取文件的过程，DataNode 侧出现异常挂掉了
解决方法：节点 Failover
增强情景：节点半死不过，读取很慢
# 旁路系统
Balancer：均衡 DataNode 的容量
Mover：确保副本放置符合策略要求
# 控制面建设
控制面建设：保障系统稳定运行
**HouseKeeping 组件：** 比如 Balancer，Mover 等， 这些组件不运行不会马上影响读写操作，但是长时间会积累系统性问题，例如读写不均衡导致 IO 热点等。
可观测注设施：
- 指标埋点
- 数据采集
- 访问日志
- 数据分析
运维体系建设：
- 运维操作需要平台化
- NameNode 操作复杂
- DataNode 机器规模庞大
- 组件控制面 API
编辑 (opens new window)
上次更新: 2023/12/06, 01:31:48