Hadoop分布式文件系统--HDFS结构分析

前言

在Hadoop内部，具体实现了许多类的文件系统，当然最最被我们用到的就是他的分布式文件系统HDFS了。但是本篇文章不会讲HDFS的主从架构等东西，因为这些东西网上和资料书中都讲得很多了。所以，我决定以我个人的学习所得，来讲讲HDFS内部的一些有意思的东西，也作为一个起始点，为后续继续深入其中模块的学习做基础。

HDFS两大主流关系模块

• 与NameNode相关，文件系统元数据操作相关。包括文件目录树，每个文件对于数据块列表，fsImgae镜像文件和editlog编辑日志在维护整个集群元数据的时候的各种操作。

• 与DataNode相关，指的就是数据块与数据节点的对应关系，通俗的理解就是某个数据块保存在哪些数据节点上。里面其实会涉及到很多操作，包括block副本复制，损坏块删除，租约机制等等。

第一关系模块(NameNode相关)

涉及的类

INode

Hadoop也同样用了类似linux文件系统中的i-node的概念，即索引节点。INode是一个抽象类，后面的INodeDirectory以及INodeFile都是他的子类，这样就可以做到保持一些共有的属性。

INodeDirectory,INodeFile

• 常用方法：
  
  • INodeDirectory.removeChild()

FSImage

• 命名空间镜像类,下面是常用的方法
  
  • FSImage.saveFSImage()–讲当前时刻的命名空间镜像，保存文件中
  • FSImage.loadFSImage()–读取镜像文件中的数据，恢复元数据

FSEditLog

• 编辑日志类，下面是常用方法
  
  • FSEditLog.logEdit()–写入日志记录操作。
  • FSEditLog.logSync()–同步日志记录操作。
  • FSEditLog.rollEditLog()–用于第二名字节点上载新命名空间镜像。

FSDirectory

• HDFS引入FSDirectory作为门面，处理各种操作，然后分派到子系统中的各个对象中。常用方法
  
  • getFileInfo()–获取文件状态信息
  • setOwner()–修改文件主标识符和用户组标识符

第二关系模块(DataNode相关)

Block数据块相关类

• BlocksMap–数据块映射，名字节点上数据块的元数据
• DatanodeDescriptor–数据节点描述符，名字节点对数据节点的抽象
• BlockInfo-BlocksMap,保存数据节点的信息

数据节点管理

• refreshNodes()–会读取dfs.hosts.exclude，include配置的信息。
• registerDatanode–数据节点注册
• DataNode.offerService()–数据节点利用循环向名字节点发送信息。

网络结构

• 相关类NetworkTopology，常用方法：

  • getDistance()–计算网络距离
  • isOnSameRack()–判断节点是否属于同一机架上

• DNSToSwitchMapping–此接口用于主机到网络位置的转换

数据块管理

• 相关类主要为FSNameSystem,常用方法：
  
  • FSNameSystem.addStoreBlock()–添加数据块副本
  • blockReceived()–数据块提交方法，数据节点成功接收到一个数据块后，必须使用此方法向名字节点提交数据块信息。

读取数据方法

• getBlockLocations()–读取数据前需要定位数据的位置，返回LocatedBlock对象实例
• reportBadBlocks()

租约

• 简单的说，租约是名字节点给予租约持有者在规定时间内对文件的使用权限。
  
  • LeaseManager.Lease 租约持有者的信息，就是客户端。
  • LeaseManager.add()–在租约管理器中添加打开文件的信息。
  • FSNamesystem.checkLease()–租约检查操作，为追加数据打开文件，添加，放弃数据块或关闭文件的时候，都需要对被操作的文件进行租约检查。
  • LeaseManager.renewLease()–通过更新Lease.lastUpdate的值来维护租约。
  • LeaseManager.Monitor–这是一个内部类，Monitor类实现了runnable接口，定期进行租约检查。

安全模式

• SafeMode安全模式是HDFS的一个只读的视图模式，所有的更新操作都会检验一次是否处于安全模式，相关类以及方法
  
  • SafeModeMonitor–安全模式的检查线程实现类。
  • canLeave()–判断内部的reached变量的值
  • setSafeMode()

参考文献

《Hadoop技术内部–HDFS结构设计与实现原理》.蔡斌等