在本文中，大数据专家将为您介绍如何使用 HDFS 以及如何利用HDFS创建HDFS集群节点。

我们将从HDFS、 Zookeeper 、 HBASE 和OpenTSDB上的系列博客开始，了解如何利用这些服务设置OpenTSDB集群。在本博中，我们将探究HDFS。

HDFS

Hadoop 分布式文件系统(HDFS)是一种基于Java的分布式文件系统，它具有 容错性、可伸缩性和易扩展性 等优点，它可在商用硬件上运行，也可以在低成本的硬件上进行部署。HDFS是一个分布式存储的Hadoop应用程序，它提供了更接近数据的接口。

架构

HDFS架构包含一个 NameNode、DataNode和备用NameNode 。

HDFS具有主/从架构。

NameNode： HDFS群集包含单个NameNode（主服务器），它管理文件系统命名空间并控制客户端对文件的访问权限。它维护和管理文件系统元数据；例如由哪些块构成文件，以及存储这些块的数据节点。

DataNode 可以有多个DataNode，通常是集群中每个节点有一个DataNode，它负责管理着运行节点的存储访问。HDFS中的DataNode存储实际数据，可以添加更多的DataNode来增加可用空间。

备用 NameNode ： 备用 NameNode 服务并非真正的备用NameNode，尽管名称是称为备用NameNode。具体来说，它并不为NameNode提供高可用性(HA)。

为什么需要备用 NameNode ？

• 备用NameNode记录文件系统的修改痕迹，追加到本机文件系统文件的后面，作为修改日志。
• 启动备用NameNode时，它会从 映像文件 fsimage中读取HDFS状态，然后启用“编辑日志文件”对它进行编辑。
• 然后将新的HDFS状态写入fsimage，并使用“空编辑文件”启动正常操作。
• 由于NameNode只在启动时合并fsimage和编辑文件，所以在繁忙的集群中，随着时间的推移，“编辑日志文件”会变得非常大。
• 大“编辑日志文件”的另一个副作用是：在下次重新启动NameNode时，需要花费更长的时间。
• 备用NameNode定期合并fsimage和“编辑日志文件”，并将“编辑日志文件”的大小保持在限定范围内。
• 备用NameNode通常在与主NameNode不同的计算机上运行，它的内存要求与主NameNode的相同。

关键特征

容错： 为了防止机器故障，可跨多个DataNode复制容错数据，复制因子的默认值是3（如果有3个DataNode，每个块至少存储在三台计算机上）。

可伸缩性 – DataNode之间可实现直接数据传输，所以读/写次数应与DataNode的数量相匹配。

空间 -需要更多的磁盘空间？只需添加更多DataNodes和再平衡。

行业标准 -其他分布式应用程序均构建在HDFS之上(HBASE，Map-Reduction)。

HDFS是用来处理大数据集的，它具有 write-once-read-many（ 一次写-多次读）的语义，不适合低延迟访问。

数据结构

• 写入HDFS的每个文件被分割为64MB或128MB大小的数据块。
• 每个块存储在一个或多个节点上。
• 块的每个副本均称为副本。

分块安置策略

• 第一副本放在本地节点上。
• 第二副本放在不同的机架上。
• 第三副本与第二副本放置在同一机架中。

设置HDFS群集

要创建HDFS群集，会用到 Docker 。有关Docker映像的详细信息，请参见：

步骤

• 创建一个Docker群网络。

NameNode

• 在VM1中为NameNode创建环境变量文件(namenode_env)。

在VM1上创建NameNode：

在VM2上创建DataNode 2：

在VM 3上创建DataNode 3。

在所有vms中，通过执行docker ps检查所有容器是否已启动并正常运行。

一旦所有容器均已启动并运行，请转到VM1，打开浏览器，打开#tab-datanode.将会看到如下输出：

HDFS CLI:

在本文中，我们研究了HDFS以及如何创建3个节点HDFS集群。

参考文献:

#walkthrough