一、产生背景：

随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更到的操作系统管理的磁盘中，但是管理不方便和维护，迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统，HDFS只是分布式文件管理系统的一种。

二、定义：

HDFS (Hadoop Distributed File System) ，它是一个文件系统，用来存储文件，通过目录树来定位文件，其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色。

三、使用场景：

HDFS适合一次写入，多次读出的场景，且不支持文件的修改，适合用来做数据分析，并不适合用来做网盘应用。

四、HDFS 优缺点：

优点：

缺点：

五、组成架构：

 

六、HDFS 文件块大小：

为什么HDFS 文件块不能设置太大也不能设置太小：

 

七、HDFS shell 常用命令：

（0）启动Hadoop集群（方便后续的测试）

[haojunjie@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

[haojunjie@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

（1）-help：输出这个命令参数

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm

（2）-ls: 显示目录信息

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /

（3）-mkdir：在HDFS上创建目录

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir -p /sanguo/shuguo

（4）-moveFromLocal：从本地剪切粘贴到HDFS

[haojunjie@hadoop102 hadoop-3.1.3]$ touch kongming.txt

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs  -moveFromLocal  ./kongming.txt  /sanguo/shuguo

（5）-appendToFile：追加一个文件到已经存在的文件末尾

[haojunjie@hadoop102 hadoop-3.1.3]$ touch liubei.txt

[haojunjie@hadoop102 hadoop-3.1.3]$ vi liubei.txt

输入

san gu mao lu

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo/kongming.txt

（6）-cat：显示文件内容

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo/kongming.txt

（7）-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs  -chmod  666  /sanguo/shuguo/kongming.txt

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs  -chown  haojunjie:haojunjie   /sanguo/shuguo/kongming.txt

（8）-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal README.txt /

（9）-copyToLocal：从HDFS拷贝到本地

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./

（10）-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt

（11）-mv：在HDFS目录中移动文件

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/

（12）-get：等同于copyToLocal，就是从HDFS下载文件到本地

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -get /sanguo/shuguo/kongming.txt ./

（13）-getmerge：合并下载多个文件，比如HDFS的目录 /user/atguigu/test下有多个文件:log.1, log.2,log.3,...

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -getmerge /user/haojunjie/test/* ./zaiyiqi.txt

（14）-put：等同于copyFromLocal

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -put ./zaiyiqi.txt /user/haojunjie/test/

（15）-tail：显示一个文件的末尾

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /sanguo/shuguo/kongming.txt

（16）-rm：删除文件或文件夹

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /user/haojunjie/test/jinlian2.txt

（17）-rmdir：删除空目录

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /test

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -rmdir /test

（18）-du统计文件夹的大小信息

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /user/haojunjie/test

2.7 K  /user/haojunjie/test

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -du  -h /user/haojunjie/test

1.3 K  /user/haojunjie/test/README.txt

15     /user/haojunjie/test/jinlian.txt

1.4 K  /user/haojunjie/test/zaiyiqi.txt

（19）-setrep：设置HDFS中文件的副本数量

[haojunjie@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt

这里设置的副本数只是记录在NameNode的元数据中，是否真的会有这么多副本，还得看DataNode的数量。因为目前只有3台设备，最多也就3个副本，只有节点数的增加到10台时，副本数才能达到10。

八、HDFS 客户端操作API：

九、HDFS写数据和读数据流程：

写流程：

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）。

读流程：

 

 

1）客户端通过Distributed FileSystem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。

十、网络拓扑-节点距离计算：

在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？

       节点距离：两个节点到达最近的共同祖先的距离总和。

十一、副本存储的节点选择之---------机架感知：

          HDFS 副本 放置策略：对于常见情况，当复制系数为3时，HDFS的放置策略是，如果写入程序位于datanode上，则将一个副本放在本地计算机上，否则放在随机datanode上，

         另一个副本放在不同（远程）机架中的节点上，最后一个放在同一远程机架中的不同节点上。

十二、NameNode和SecondaryNameNode 的工作机制：

思考：NameNode中的元数据是存储在哪里的？

首先，我们做个假设，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。

这样又会带来新的问题，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，可以通过FsImage和Edits的合并，合成元数据。

但是，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，如果这个操作由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。 

如图：

 

1. 第一阶段：NameNode启动

（1）第一次启动NameNode格式化后，创建Fsimage和Edits文件。如果不是第一次启动，直接加载编辑日志和镜像文件到内存。

（2）客户端对元数据进行增删改的请求。

（3）NameNode记录操作日志，更新滚动日志。

（4）NameNode在内存中对元数据进行增删改。

2. 第二阶段：Secondary NameNode工作

       （1）Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果。

       （2）Secondary NameNode请求执行CheckPoint。

       （3）NameNode滚动正在写的Edits日志。

       （4）将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。

       （5）Secondary NameNode加载编辑日志和镜像文件到内存，并合并。

       （6）生成新的镜像文件fsimage.chkpoint。

       （7）拷贝fsimage.chkpoint到NameNode。

       （8）NameNode将fsimage.chkpoint重新命名成fsimage。

NN和2NN工作机制详解：

Fsimage：NameNode内存中元数据序列化后形成的文件。

Edits：记录客户端更新元数据信息的每一步操作（可通过Edits运算出元数据）。

NameNode启动时，先滚动Edits并生成一个空的edits.inprogress，然后加载Edits和Fsimage到内存中，此时NameNode内存就持有最新的元数据信息。Client开始对NameNode发送元数据的增删改的请求，这些请求的操作首先会被记录到edits.inprogress中（查询元数据的操作不会被记录在Edits中，因为查询操作不会更改元数据信息），如果此时NameNode挂掉，重启后会从Edits中读取元数据的信息。然后，NameNode会在内存中执行元数据的增删改的操作。

由于Edits中记录的操作会越来越多，Edits文件会越来越大，导致NameNode在启动加载Edits时会很慢，所以需要对Edits和Fsimage进行合并（所谓合并，就是将Edits和Fsimage加载到内存中，照着Edits中的操作一步步执行，最终形成新的Fsimage）。SecondaryNameNode的作用就是帮助NameNode进行Edits和Fsimage的合并工作。

SecondaryNameNode首先会询问NameNode是否需要CheckPoint（触发CheckPoint需要满足两个条件中的任意一个，定时时间到和Edits中数据写满了）。直接带回NameNode是否检查结果。SecondaryNameNode执行CheckPoint操作，首先会让NameNode滚动Edits并生成一个空的edits.inprogress，滚动Edits的目的是给Edits打个标记，以后所有新的操作都写入edits.inprogress，其他未合并的Edits和Fsimage会拷贝到SecondaryNameNode的本地，然后将拷贝的Edits和Fsimage加载到内存中进行合并，生成fsimage.chkpoint，然后将fsimage.chkpoint拷贝给NameNode，重命名为Fsimage后替换掉原来的Fsimage。NameNode在启动时就只需要加载之前未合并的Edits和Fsimage即可，因为合并过的Edits中的元数据信息已经被记录在Fsimage中。

十三、Fsimage和Edits解析:

1.图解：

2. 使用命令查看Fsimage

（1）查看oiv和oev命令

[haojunjie@hadoop102 current]$ hdfs

oiv            apply the offline fsimage viewer to an fsimage

oev            apply the offline edits viewer to an edits file

（2）基本语法

hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径

（3）案例实操

[haojunjie@hadoop102 current]$ pwd

/opt/module/hadoop-3.1.3/data/tmp/dfs/name/current

[haojunjie@hadoop102 current]$ hdfs oiv -p XML -i fsimage_0000000000000000025 -o /opt/module/hadoop-3.1.3/fsimage.xml

[haojunjie@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/fsimage.xml

将显示的xml文件内容拷贝到Eclipse中创建的xml文件中，并格式化。部分显示结果如下。

<inode>

  <id>16386</id>

  <type>DIRECTORY</type>

  <name>user</name>

  <mtime>1512722284477</mtime>

  <permission>haojunjie:supergroup:rwxr-xr-x</permission>

  <nsquota>-1</nsquota>

  <dsquota>-1</dsquota>

</inode>

<inode>

  <id>16387</id>

  <type>DIRECTORY</type>

  <name>haojunjie</name>

  <mtime>1512790549080</mtime>

  <permission>haojunjie:supergroup:rwxr-xr-x</permission>

  <nsquota>-1</nsquota>

  <dsquota>-1</dsquota>

</inode>

<inode>

  <id>16389</id>

  <type>FILE</type>

  <name>wc.input</name>

  <replication>3</replication>

  <mtime>1512722322219</mtime>

  <atime>1512722321610</atime>

  <perferredBlockSize>134217728</perferredBlockSize>

  <permission>haojunjie:supergroup:rw-r--r--</permission>

  <blocks>

     <block>

         <id>1073741825</id>

         <genstamp>1001</genstamp>

         <numBytes>59</numBytes>

     </block>

  </blocks>

</inode >

思考：可以看出，Fsimage中没有记录块所对应DataNode，为什么？

在集群启动后，要求DataNode上报数据块信息，并间隔一段时间后再次上报。

3.oev命令查看Edits 文件：

（1）基本语法：hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径

（2）操作：

[haojunjie@hadoop102 current]$ hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-3.1.3/edits.xml

查看xml 文件：

[haojunjie@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/edits.xml

结果展示：

<?xml version="1.0" encoding="UTF-8"?>

<EDITS>

<EDITS_VERSION>-63</EDITS_VERSION>

<RECORD>

<OPCODE>OP_START_LOG_SEGMENT</OPCODE>

<DATA>

<TXID>129</TXID>

</DATA>

</RECORD>

<RECORD>

<OPCODE>OP_ADD</OPCODE>

<DATA>

<TXID>130</TXID>

<LENGTH>0</LENGTH>

<INODEID>16407</INODEID>

<PATH>/hello7.txt</PATH>

<REPLICATION>2</REPLICATION>

<MTIME>1512943607866</MTIME>

<ATIME>1512943607866</ATIME>

<BLOCKSIZE>134217728</BLOCKSIZE>

<CLIENT_NAME>DFSClient_NONMAPREDUCE_-1544295051_1</CLIENT_NAME>

<CLIENT_MACHINE>192.168.1.5</CLIENT_MACHINE>

<OVERWRITE>true</OVERWRITE>

<PERMISSION_STATUS>

<USERNAME>haojunjie</USERNAME>

<GROUPNAME>supergroup</GROUPNAME>

<MODE>420</MODE>

</PERMISSION_STATUS>

<RPC_CLIENTID>908eafd4-9aec-4288-96f1-e8011d181561</RPC_CLIENTID>

<RPC_CALLID>0</RPC_CALLID>

</DATA>

</RECORD>

<RECORD>

<OPCODE>OP_ALLOCATE_BLOCK_ID</OPCODE>

<DATA>

<TXID>131</TXID>

<BLOCK_ID>1073741839</BLOCK_ID>

</DATA>

</RECORD>

<RECORD>

<OPCODE>OP_SET_GENSTAMP_V2</OPCODE>

<DATA>

<TXID>132</TXID>

<GENSTAMPV2>1016</GENSTAMPV2>

</DATA>

</RECORD>

<RECORD>

<OPCODE>OP_ADD_BLOCK</OPCODE>

<DATA>

<TXID>133</TXID>

<PATH>/hello7.txt</PATH>

<BLOCK>

<BLOCK_ID>1073741839</BLOCK_ID>

<NUM_BYTES>0</NUM_BYTES>

<GENSTAMP>1016</GENSTAMP>

</BLOCK>

<RPC_CLIENTID></RPC_CLIENTID>

<RPC_CALLID>-2</RPC_CALLID>

</DATA>

</RECORD>

<RECORD>

<OPCODE>OP_CLOSE</OPCODE>

<DATA>

<TXID>134</TXID>

<LENGTH>0</LENGTH>

<INODEID>0</INODEID>

<PATH>/hello7.txt</PATH>

<REPLICATION>2</REPLICATION>

<MTIME>1512943608761</MTIME>

<ATIME>1512943607866</ATIME>

<BLOCKSIZE>134217728</BLOCKSIZE>

<CLIENT_NAME></CLIENT_NAME>

<CLIENT_MACHINE></CLIENT_MACHINE>

<OVERWRITE>false</OVERWRITE>

<BLOCK>

<BLOCK_ID>1073741839</BLOCK_ID>

<NUM_BYTES>25</NUM_BYTES>

<GENSTAMP>1016</GENSTAMP>

</BLOCK>

<PERMISSION_STATUS>

<USERNAME>haojunjie</USERNAME>

<GROUPNAME>supergroup</GROUPNAME>

<MODE>420</MODE>

</PERMISSION_STATUS>

</DATA>

</RECORD>

</EDITS >

十四、SecondaryNameNode 执行 CheckPoint时间设置：

（1）通常情况下，SecondaryNameNode 一小时执行一次。

修改设置：

[hdfs-default.xml]

<property>

  <name>dfs.namenode.checkpoint.period</name>

  <value>3600</value>

</property>

（2）一分钟检查一次操作次数，当操作次数达到一百万时,SecondaryNameNode执行一次CheckPoint

<property>

  <name>dfs.namenode.checkpoint.txns</name>

  <value>1000000</value>

<description>操作动作次数</description>

</property>

<property>

  <name>dfs.namenode.checkpoint.check.period</name>

  <value>60</value>

<description> 1分钟检查一次操作次数</description>

</property >

十五、NameNode 故障处理：

当NameNode 出现故障时，可以采用以下两种方法恢复数据：

（1）方法一：将SecondaryNameNode中数据拷贝到NameNode存储数据的目录；

1. kill -9 NameNode进程

2. 删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/tmp/dfs/name）

[haojunjie@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-3.1.3/data/tmp/dfs/name/*

3. 拷贝SecondaryNameNode中数据到原NameNode存储数据目录

[haojunjie@hadoop102 dfs]$ scp -r haojunjie@hadoop104:/opt/module/hadoop-3.1.3/data/tmp/dfs/namesecondary/* ./name/

4. 重新启动NameNode

[haojunjie@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode

（2）方法二：使用-importCheckpoint选项启动NameNode守护进程，从而将SecondaryNameNode中数据拷贝到NameNode目录中。

修改hdfs-site.xml中的

<property>

  <name>dfs.namenode.checkpoint.period</name>

  <value>120</value>

</property>

<property>

  <name>dfs.namenode.name.dir</name>

  <value>/opt/module/hadoop-3.1.3/data/tmp/dfs/name</value>

</property>

2.  kill -9 NameNode进程

3.    删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/tmp/dfs/name）

[haojunjie@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-3.1.3/data/tmp/dfs/name/*

4.    如果SecondaryNameNode不和NameNode在一个主机节点上，需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录，并删除in_use.lock文件

[haojunjie@hadoop102 dfs]$ scp -r haojunjie@hadoop104:/opt/module/hadoop-3.1.3/data/tmp/dfs/namesecondary ./

[haojunjie@hadoop102 namesecondary]$ rm -rf in_use.lock

[haojunjie@hadoop102 dfs]$ pwd

/opt/module/hadoop-3.1.3/data/tmp/dfs

[haojunjie@hadoop102 dfs]$ ls

data  name  namesecondary

5.    导入检查点数据（等待一会ctrl+c结束掉）

[haojunjie@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode -importCheckpoint

6.    启动NameNode

[haojunjie@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode

 

十六、集群的安全模式：

（1）概述：

（2）案例操作：

基本语法

集群处于安全模式，不能执行重要操作（写操作）。集群启动完成后，自动退出安全模式。

（1）bin/hdfs dfsadmin -safemode get        （功能描述：查看安全模式状态）

（2）bin/hdfs dfsadmin -safemode enter    （功能描述：进入安全模式状态）

（3）bin/hdfs dfsadmin -safemode leave     （功能描述：离开安全模式状态）

（4）bin/hdfs dfsadmin -safemode wait       （功能描述：等待安全模式状态）

3.    案例：

需要用到的命令：

（一）bin/hdfs dfsadmin -safemode get        （功能描述：查看安全模式状态）

（二）bin/hdfs dfsadmin -safemode enter    （功能描述：进入安全模式状态）

（三）bin/hdfs dfsadmin -safemode leave     （功能描述：离开安全模式状态）

（四）bin/hdfs dfsadmin -safemode wait       （功能描述：等待安全模式状态）

（1）查看当前模式

[haojunjie@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -safemode get

Safe mode is OFF

（2）先进入安全模式

[haojunjie@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode enter

（3）创建并执行下面的脚本

在/opt/module/hadoop-3.1.3路径上，编辑一个脚本safemode.sh

[haojunjie@hadoop102 hadoop-3.1.3]$ touch safemode.sh

[haojunjie@hadoop102 hadoop-3.1.3]$ vim safemode.sh

#!/bin/bash

hdfs dfsadmin -safemode wait

hdfs dfs -put /opt/module/hadoop-3.1.3/README.txt /

[haojunjie@hadoop102 hadoop-3.1.3]$ chmod 777 safemode.sh

[haojunjie@hadoop102 hadoop-3.1.3]$ ./safemode.sh

（4）再打开一个窗口，执行

[haojunjie@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode leave

（5）观察

（a）再观察上一个窗口

Safe mode is OFF

（b）HDFS集群上已经有上传的数据了。

 

十七、DataNode ：

（1）DataNode 工作机制：

a）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。

b）DataNode启动后向NameNode注册，通过后，周期性（1小时）的向NameNode上报所有的块信息。

c）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。

d）集群运行中可以安全加入和退出一些机器。

（2）数据的完整性：

思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0），但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理DataNode节点上的数据损坏了，却没有发现，是否也很危险，那么如何解决呢？

如下是DataNode节点保证数据完整性的方法。

a）当DataNode读取Block的时候，它会计算CheckSum。

b）如果计算后的CheckSum，与Block创建时值不一样，说明Block已经损坏。

c）Client读取其他DataNode上的Block。

d）DataNode在其文件创建后周期验证CheckSum，如下图：

（3）掉线时限参数设置：

需要注意的是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

<property>

    <name>dfs.namenode.heartbeat.recheck-interval</name>

    <value>300000</value>

</property>

<property>

    <name>dfs.heartbeat.interval</name>

    <value>3</value>

</property>

（4）服役新节点：

随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据的需求，需要在原有集群基础上动态添加新的数据节点。

   环境准备：

       （a）在hadoop104主机上再克隆一台hadoop105主机

       （b）修改IP地址和主机名称

       （c）删除原来HDFS文件系统留存的文件（/opt/module/hadoop-3.1.3/data和log）

       （d）source一下配置文件

[haojunjie@hadoop105 hadoop-3.1.3]$ source /etc/profile

2.    服役新节点具体步骤

（a）直接启动DataNode，即可关联到集群

[haojunjie@hadoop105 hadoop-3.1.3]$ hdfs --daemon start datanode

[haojunjie@hadoop105 hadoop-3.1.3]$ sbin/yarn-daemon.sh start nodemanager

配置好后如图：

（b）在hadoop105上上传文件

[haojunjie@hadoop105 hadoop-3.1.3]$ hadoop fs -put /opt/module/hadoop-3.1.3/LICENSE.txt /

（c）如果数据不均衡，可以用命令实现集群的再平衡

[haojunjie@hadoop102 sbin]$ ./start-balancer.sh

（5）退役旧节点：

方式一：添加白名单：

添加到白名单的主机节点，都允许访问NameNode，不在白名单的主机节点，都会被退出。

配置白名单具体步骤：

a、在NameNode的/opt/module/hadoop-3.1.3/etc/hadoop目录下创建dfs.hosts文件

[haojunjie@hadoop102 hadoop]$ pwd

/opt/module/hadoop-3.1.3/etc/hadoop

[haojunjie@hadoop102 hadoop]$ touch dfs.hosts

[haojunjie@hadoop102 hadoop]$ vi dfs.hosts

b、添加如下主机名称（不添加hadoop105）

hadoop102

hadoop103

hadoop104

c、在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性

<property>

<name>dfs.hosts</name>

<value>/opt/module/hadoop-3.1.3/etc/hadoop/dfs.hosts</value>

</property>

d、配置文件分发

[haojunjie@hadoop102 hadoop]$ xsync hdfs-site.xml

 e、刷新NameNode

[haojunjie@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes

Refresh nodes successful

f、更新ResourceManager节点

[haojunjie@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshNodes

g、在HDFS web页面查看

方式二：添加黑名单：

在黑名单上面的主机都会被强制退出。

配置步骤：

a、在NameNode的/opt/module/hadoop-3.1.3/etc/hadoop目录下创建dfs.hosts.exclude文件

[haojunjie@hadoop102 hadoop]$ pwd

/opt/module/hadoop-3.1.3/etc/hadoop

[haojunjie@hadoop102 hadoop]$ touch dfs.hosts.exclude

[haojunjie@hadoop102 hadoop]$ vi dfs.hosts.exclude

添加如下主机名称（要退役的节点）

hadoop105

b、在NameNode的hdfs-site.xml配置文件中增加dfs.hosts.exclude属性

<property>

<name>dfs.hosts.exclude</name>

<value>/opt/module/hadoop-3.1.3/etc/hadoop/dfs.hosts.exclude</value>

</property>

c、刷新NameNode、刷新ResourceManager

[haojunjie@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes

Refresh nodes successful

[haojunjie@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshNodes

d、检查Web浏览器，退役节点的状态为decommission in progress（退役中），说明数据节点正在复制块到其他节点 ，如图：

e、等待退役节点状态为decommissioned（所有块已经复制完成），停止该节点及节点资源管理器。注意：如果副本数是3，服役的节点小于等于3，是不能退役成功的，需要修改副本数后才能退役，如下图：

f、停止datanode 和 nodemanager

[haojunjie@hadoop105 hadoop-3.1.3]$ hdfs --daemon stop datanode

[haojunjie@hadoop105 hadoop-3.1.3]$ sbin/yarn-daemon.sh stop nodemanager

g、如果数据不均衡，可以用命令实现集群的再平衡

[haojunjie@hadoop102 hadoop-3.1.3]$ sbin/start-balancer.sh 

（6）datanode 多目录配置：

a、DataNode也可以配置成多个目录，每个目录存储的数据不一样。即：数据不是副本

b、具体配置如下

     在 hdfs-site.xml添加下面代码：

<property>

<name>dfs.datanode.data.dir</name>

<value>file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value>

</property>

————————————————

版权声明：本文为CSDN博主「Hao_JunJie」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/Hao_JunJie/article/details/113930508