是一个文件系统，是分布式的

适合一次写入，多次读出的场景

高容错性、适合处理大数据、可构建在廉价机器上

不适合低延时数据访问、无法高效的对大量小文件进行存储、不支持并发写入和文件随机修改

1）NameNode（nn）：就是Master，它是一个主管、管理者。
（1）管理HDFS的名称空间；
（2）配置副本策略；
（3）管理数据块（Block）映射信息；
（4）处理客户端读写请求。

2）DataNode：就是Slave。NameNode下达命令，DataNode执行实际的操作。
（1）存储实际的数据块；
（2）执行数据块的读/写操作。

3）Client：就是客户端。
（1）文件切分。文件上传HDFS的时候，Client将文件切分成一个一个的Block，然后进行上传；
（2）与NameNode交互，获取文件的位置信息；
（3）与DataNode交互，读取或者写入数据；
（4）Client提供一些命令来管理HDFS，比如NameNode格式化；
（5）Client可以通过一些命令来访问HDFS，比如对HDFS增删查改操作；

4）Secondary NameNode：并非NameNode的热备。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。
（1）辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode ；
（2）在紧急情况下，可辅助恢复NameNode。

块的大小( dfs.blocksize )：默认在Hadoop2.x/3.x版本中是128M，1.x版本中是64M。

若约为10ms，即查找到目标block的时间为10ms。

寻址时间为传输时间的1%时，则为最佳状态。
因此，传输时间=10ms/0.01=1000ms=1s

而目前磁盘的传输速率普遍为100MB/s。

block大小=1s*100MB/s=100MB

（1）HDFS的块设置太小，会增加寻址时间，程序一直在找块的开始位置

（2）如果块设置的太大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。导致程序在处理这块数据时，会非常慢。

总结：HDFS块的大小设置主要取决于磁盘传输速率。

配置【 非中文路径\hadoop-3.1.0\bin 】到环境变量

<dependencies> 
    # hadoop包
    <dependency> 
        <groupId>org.apache.hadoop</groupId> 
        <artifactId>hadoop-client</artifactId> 
        <version>3.1.3</version> 
    </dependency> 
    <dependency> 
        <groupId>junit</groupId> 
        <artifactId>junit</artifactId> 
        <version>4.12</version> 
    </dependency> 
    <dependency> 
        <groupId>org.slf4j</groupId> 
        <artifactId>slf4j-log4j12</artifactId> 
        <version>1.7.30</version> 
    </dependency> 
</dependencies> 

在项目的 src/main/resources 目录下，新建一个文件，命名为“log4j.properties”，在文件中填入

log4j.rootLogger=INFO, stdout   
log4j.appender.stdout=org.apache.log4j.ConsoleAppender   
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout   
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n   
log4j.appender.logfile=org.apache.log4j.FileAppender   
log4j.appender.logfile.File=target/spring.log   
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout   
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n 

越靠近代码的越优先

客户端代码中设置的值 >
ClassPath 下的用户自定义配置文件 >
服务器的自定义配置（xxx-site.xml）>
服务器的默认配置（xxx-default.xml）

// HdfsClient: 操作Hdfs文件系统
public class HdfsClient {

    private FileSystem fs;

    // 前置操作:获取文件系统
    @Before
    public void init() throws URISyntaxException, IOException, InterruptedException {
        Configuration configuration = new Configuration();
        // 连接的集群nn地址
        fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration,"azula");
    }
    
    //
    ...
}

 public static FileSystem get(final URI uri, final Configuration conf, String user) throws IOException, InterruptedException {
        String ticketCachePath = conf.get("hadoop.security.kerberos.ticket.cache.path");
        UserGroupInformation ugi = UserGroupInformation.getBestUGI(ticketCachePath, user);
        return (FileSystem)ugi.doAs(new PrivilegedExceptionAction<FileSystem>() {
            public FileSystem run() throws IOException {
                return FileSystem.get(uri, conf);
            }
        });
    }

    @After
    public void close() throws IOException {
        // 3 关闭资源
        fs.close();
    }

@Test
public void testMkdirs() throws IOException{
    // 2 执行的操作：创建目录
    fs.mkdirs(new Path("/xiyou/huaguoshan/"));
}

@Test
public void testPut() throws IOException {
    //  void copyFromLocalFile(Path, Path)
    //  void copyFromLocalFile(boolean, Path, Path)
    //  void copyFromLocalFile(boolean, boolean, Path[], Path)
    //  void copyFromLocalFile(boolean, boolean, Path, Path)
    //  参数一:表示删除原数据，参数二:是否允许覆盖，参数三:原数据路径，参数四:目的地路径
    fs.copyFromLocalFile(false,true,new Path("D:\\sunwukong.txt"),new Path("hdfs://hadoop102/xiyou/huaguoshan"));
}

public void copyFromLocalFile(boolean delSrc, boolean overwrite, Path src, Path dst) throws IOException {
    Configuration conf = this.getConf();
    FileUtil.copy(getLocal(conf), src, this, dst, delSrc, overwrite, conf);
}

public static boolean copy(FileSystem srcFS, Path src, FileSystem dstFS, Path dst, boolean deleteSource, boolean overwrite, Configuration conf) throws IOException {
        FileStatus fileStatus = srcFS.getFileStatus(src);
        return copy(srcFS, fileStatus, dstFS, dst, deleteSource, overwrite, conf);
    }

public static boolean copy(FileSystem srcFS, FileStatus srcStatus, FileSystem dstFS, Path dst, boolean deleteSource, boolean overwrite, Configuration conf) throws IOException {
        Path src = srcStatus.getPath();
        dst = checkDest(src.getName(), dstFS, dst, overwrite);
        FileStatus[] contents;
        if (srcStatus.isDirectory()) {
            checkDependencies(srcFS, src, dstFS, dst);
            if (!dstFS.mkdirs(dst)) {
                return false;
            }

            contents = srcFS.listStatus(src);

            for(int i = 0; i < contents.length; ++i) {
                copy(srcFS, contents[i], dstFS, new Path(dst, contents[i].getPath().getName()), deleteSource, overwrite, conf);
            }
        } else {
            contents = null;
            OutputStream out = null;

            try {
                InputStream in = srcFS.open(src);
                out = dstFS.create(dst, overwrite);
                IOUtils.copyBytes(in, out, conf, true);
            } catch (IOException var11) {
                IOUtils.closeStream(out);
                IOUtils.closeStream(contents);
                throw var11;
            }
        }

        return deleteSource ? srcFS.delete(src, true) : true;
    }

@Test
public void testGet() throws IOException {
    // void copyToLocalFile(boolean, Path, Path, boolean)
    // 原文件是否生成，原文件路径HDFS 目标地址路径Win
    fs.copyToLocalFile(false,new Path("hdfs://hadoop102/xiyou/huaguoshan"),new Path("D:\\sunwukong.txt"));
}

public void copyToLocalFile(boolean delSrc, Path src, Path dst, boolean useRawLocalFileSystem) throws IOException {
    Configuration conf = this.getConf();
    FileSystem local = null;
    if (useRawLocalFileSystem) {
        local = getLocal(conf).getRawFileSystem();
    } else {
        local = getLocal(conf);
    }

    FileUtil.copy(this, src, (FileSystem)local, dst, delSrc, conf);
}

@Test
public void testRm() throws IOException {
    // boolean delete(Path, boolean)
    //要删除的路径 是否递归删除
    fs.delete(new Path("hdfs://hadoop102/jinguo"),true);
}

@Test
public void testmv() throws IOException {
    //public abstract boolean rename(
    // org.apache.hadoop.fs.Path path,
    //    org.apache.hadoop.fs.Path path1 )
    // 原文件路径 目标文件路径
    //        fs.rename(new Path("/xiyou/huaguoshan/sunwukong.txt"),new Path("/sunwukong.txt"));
    fs.rename(new Path("/sunwukong.txt"),new Path("/xiyou/huaguoshan/swk.txt"));
}

//获取文件详细信息
@Test
public void fileDetail() throws IOException {
    //获取所有文件信息
    RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);

    //遍历文件
    while (listFiles.hasNext()){
        LocatedFileStatus next = listFiles.next();
        System.out.println("===="+next.getPath()+"====");
        System.out.println(next.getPermission());
        System.out.println(next.getOwner());
        System.out.println(next.getModificationTime());
        System.out.println(next.getGroup());
        System.out.println(next.getBlockSize());
        System.out.println(next.getAccessTime());

        BlockLocation[] blockLocations = next.getBlockLocations();
        System.out.println(Arrays.toString(blockLocations));
    }
}

@Test
public void testListStatus() throws IOException{
    // 判断是文件还是文件夹
    /**
     * public abstract org.apache.hadoop.fs.FileStatus[] listStatus(     org.apache.hadoop.fs.Path path )
     */
    FileStatus[] listStatus = fs.listStatus(new Path("/"));

    for (FileStatus fileStatus : listStatus) {
        // 如果是文件
        if (fileStatus.isFile()) {
            System.out.println("f:"+fileStatus.getPath().getName());
        }else {
            System.out.println("d:"+fileStatus.getPath().getName());
        }
    }
}

（1）客户端通过 Distributed FileSystem 模块向 NameNode 请求上传文件，NameNode 检查目标文件是否已存在，父目录是否存在。
（2）NameNode 返回是否可以上传。
（3）客户端请求第一个 Block 上传到哪几个 DataNode 服务器上。
（4）NameNode 返回 3 个 DataNode 节点，分别为 dn1、dn2、dn3。
（5）客户端通过 FSDataOutputStream 模块请求 dn1 上传数据，dn1 收到请求会继续调用dn2，然后 dn2 调用 dn3，将这个通信管道建立完成。
（6）dn1、dn2、dn3 逐级应答客户端。
（7）客户端开始往 dn1 上传第一个 Block（先从磁盘读取数据放到一个本地内存缓存），以 Packet 为单位，dn1 收到一个 Packet 就会传给 dn2，dn2 传给 dn3；dn1 每传一个 packet会放入一个应答队列等待应答。
（8）当一个 Block 传输完成之后，客户端再次请求 NameNode 上传第二个 Block 的服务器。（重复执行 3-7 步）。

0（同一节点上的进程）
2（同一机架上的不同节点）
4（同一数据中心不同机架上的节点）
6（不同数据中心的节点）

• 第一个副本在Client所处的节点上。如果客户端在集群外，随机选一个。
• 第二个副本在另一个机架的随机一个节点
• 第三个副本在第二个副本所在机架的随机节点

（1）客户端通过 DistributedFileSystem 向 NameNode 请求下载文件，NameNode 通过查询元数据，找到文件块所在的 DataNode 地址。
（2）挑选一台 DataNode（就近原则，然后随机）服务器，请求读取数据。
（3）DataNode 开始传输数据给客户端（从磁盘里面读取数据输入流，以 Packet 为单位来做校验）。
（4）客户端以 Packet 为单位接收，先在本地缓存，然后写入目标文件。

思考：NameNode 中的元数据是存储在哪里的？

1. 如果存储在 NameNode 节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。

   ==> 因此产生在磁盘中备份元数据的FsImage。

2. 当在内存中的元数据更新时，如果同时更新 FsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦 NameNode 节点断电，就会产生数据丢失。

   ==> 因此，引入 Edits 文件，只进行追加操作，效率很高。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到 Edits 中。这样，一旦 NameNode 节点断电，以通过 FsImage 和 Edits 的合并，合成元数据。

3. 如果长时间添加数据到 Edits 中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。

   ==> 因此，需要定期进行 FsImage 和 Edits 的合并

4. 如果定期进行 FsImage 和 Edits 的合并的操作由NameNode 节点完成，又会效率过低。

   ==> 因此，引入一个新的节点 SecondaryNamenode，专门用于 FsImage 和 Edits 的合并。

• 1）第一阶段：NameNode 启动
  • NameNode 格式化 => 创建 Fsimage 和 Edits 文件
    • 若不是第一次启动 => 加载编辑日志和镜像文件到内存
  • => 客户端对元数据进行增删改的请求
  • => NameNode 记录操作日志，更新滚动日志
  • => NameNode 在内存中对元数据进行增删改
• 2）第二阶段：Secondary NameNode 工作
  • 2NN 询问 NN 是否需要 CheckPoint
  • 若需要 CheckPoint
    • => 2NN 请求执行 CheckPoint
    • => NN 滚动正在写的 Edits 日志
    • => 将滚动前的编辑日志和镜像文件拷贝到 2NN
    • => 2NN 加载编辑日志和镜像文件到内存，并合并
    • => 生成新的镜像文件 fsimage.chkpoint
    • => 拷贝 fsimage.chkpoint 到 NameNode
    • => NameNode 将 fsimage.chkpoint 重新命名成 fsimage

NameNode被格式化之后，将在/opt/module/hadoop-3.1.3/data/tmp/dfs/name/current目录中产生如下文件:
fsimage_0000000000000000000
fsimage_0000000000000000000.md5
seen_txid
VERSION

（1）Fsimage文件：HDFS文件系统元数据的一个永久性的检查点
=> 其中包含HDFS文件系统的所有目录和文件inode的序列化信息。

（2）Edits文件：存放HDFS文件系统的所有更新操作的路径
=> 文件系统客户端执行的所有写操作首先会被记录到Edits文件中。

（3）seen_txid文件保存的是一个数字
=> 就是最后一个edits_的数字

（4）每次NameNode启动的时候都会将Fsimage文件读入内存，加载Edits里面的更新操作，保证内存中的元数据信息是最新的、同步的
=> 可以看成NameNode启动的时候就将Fsimage和Edits文件进行了合并。

1）通常情况下，SecondaryNameNode 每隔一小时执行一次。
2）一分钟检查一次操作次数，当操作次数达到 1 百万时，SecondaryNameNode 执行一次。

在 [hdfs-default.xml] 中配置

• 一个数据块在 DataNode 上以文件形式存储在磁盘上
  => 包括两个文件
  一个是数据本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳。

• DataNode 启动后向 NameNode 注册

  • 通过后，周期性（6 小时）的向 NameNode 上报所有的块信息。

    DN 向 NN 汇报当前解读信息的时间间隔，默认 6 小时；
    DN 扫描自己节点块信息列表的时间，默认 6 小时

• 心跳是每 3 秒一次

  • 心跳返回结果带有 NameNode 给该 DataNode 的命令
    • 如复制块数据到另一台机器，或删除某个数据块。
  • 如果超过 10 分钟没有收到某个DataNode 的心跳，则认为该节点不可用。

• 集群运行中可以安全加入和退出一些机器。

DataNode 节点保证数据完整性的方法

• 当 DataNode 读取 Block 的时候，它会计算 CheckSum。
  如果计算后的 CheckSum，与 Block 创建时值不一样，说明 Block 已经损坏。
• DataNode 在其文件创建后，定期验证 CheckSum。
• Client 读取其他 DataNode 上的 Block。
• 常见的校验算法 crc（32），md5（128），sha1（160）

• DataNode进程死亡或者网络故障造成DataNode无法与NameNode通信。

  NameNode不会立即把该节点判定为死亡，要经过一段时间，称作超时时长。

  1. HDFS默认的超时时长为10分钟+30秒。
  2. 如果定义超时时间为TimeOut，则超时时长的计算公式为：
     TimeOut = 2 * dfs.namenode.heartbeat.recheck-interval + 10 * dfs.heartbeat.interval。
  3. 默认的dfs.namenode.heartbeat.recheck-interval 大小为5分钟，dfs.heartbeat.interval默认为3秒。
  4. hdfs-site.xml 配置文件中的 heartbeat.recheck.interval 的单位为毫秒，
     dfs.heartbeat.interval 的单位为秒。

常见的校验算法 crc（32），md5（128），sha1（160）

• DataNode进程死亡或者网络故障造成DataNode无法与NameNode通信。

  NameNode不会立即把该节点判定为死亡，要经过一段时间，称作超时时长。

  1. HDFS默认的超时时长为10分钟+30秒。
  2. 如果定义超时时间为TimeOut，则超时时长的计算公式为：
     TimeOut = 2 * dfs.namenode.heartbeat.recheck-interval + 10 * dfs.heartbeat.interval。
  3. 默认的dfs.namenode.heartbeat.recheck-interval 大小为5分钟，dfs.heartbeat.interval默认为3秒。
  4. hdfs-site.xml 配置文件中的 heartbeat.recheck.interval 的单位为毫秒，
     dfs.heartbeat.interval 的单位为秒。