云計算(cloud computing)，由位于網(wǎng)絡上的一組服務器把其計算、存儲、數(shù)據(jù)等資源以服務的形式提供給請求者以完成信息處理任務的方法和過程。在此過程中被服務者只是提供需求并獲取服務結果，對于需求被服務的過程并不知情。同時服務者以最優(yōu)利用的方式動態(tài)地把資源分配給眾多的服務請求者，以求達到最大效益。

　　Hadoop分布式文件系統(tǒng)(HDFS)被設計成適合運行在通用硬件(commodity hardware)上的分布式文件系統(tǒng)。它和現(xiàn)有的分布式文件系統(tǒng)有很多共同點。但同時，它和其他的分布式文件系統(tǒng)的區(qū)別也是很明顯的。HDFS是一個高度容錯性的系統(tǒng)，適合部署在廉價的機器上。HDFS能提供高吞吐量的數(shù)據(jù)訪問，非常適合大規(guī)模數(shù)據(jù)集上的應用。

　　一 前提和設計目標

　　1 hadoop和云計算的關系

　　云計算由位于網(wǎng)絡上的一組服務器把其計算、存儲、數(shù)據(jù)等資源以服務的形式提供給請求者以完成信息處理任務的方法和過程。針對海量文本數(shù)據(jù)處理,為實現(xiàn)快速文本處理響應,縮短海量數(shù)據(jù)為輔助決策提供服務的時間,基于Hadoop云計算平臺,建立HDFS分布式文件系統(tǒng)存儲海量文本數(shù)據(jù)集,通過文本詞頻利用MapReduce原理建立分布式索引,以分布式數(shù)據(jù)庫HBase存儲關鍵詞索引,并提供實時檢索,實現(xiàn)對海量文本數(shù)據(jù)的分布式并行處理.實驗結果表明,Hadoop框架為大規(guī)模數(shù)據(jù)的分布式并行處理提供了很好的解決方案。

　　2 流式數(shù)據(jù)訪問

　　運行在HDFS上的應用和普通的應用不同，需要流式訪問它們的數(shù)據(jù)集。HDFS的設計中更多的考慮到了數(shù)據(jù)批處理，而不是用戶交互處理。比之數(shù)據(jù)訪問的低延遲問題，更關鍵的在于數(shù)據(jù)訪問的高吞吐量。

　　3 大規(guī)模數(shù)據(jù)集

　　運行在HDFS上的應用具有很大的數(shù)據(jù)集。HDFS上的一個典型文件大小一般都在G字節(jié)至T字節(jié)。因此，HDFS被調節(jié)以支持大文件存儲。它應該能提供整體上高的數(shù)據(jù)傳輸帶寬，能在一個集群里擴展到數(shù)百個節(jié)點。一個單一的HDFS實例應該能支撐數(shù)以千萬計的文件。

　　4 簡單的一致性模型

　　HDFS 應用需要一個“一次寫入多次讀取”的文件訪問模型。一個文件經(jīng)過創(chuàng)建、寫入和關閉之后就不需要改變。這一假設簡化了數(shù)據(jù)一致性問題，并且使高吞吐量的數(shù)據(jù)訪問成為可能。Map/Reduce應用或者網(wǎng)絡爬蟲應用都非常適合這個模型。目前還有計劃在將來擴充這個模型，使之支持文件的附加寫操作。

　　5 異構軟硬件平臺間的可移植性

　　HDFS在設計的時候就考慮到平臺的可移植性。這種特性方便了HDFS作為大規(guī)模數(shù)據(jù)應用平臺的推廣。

　　6 硬件錯誤

　　硬件錯誤是常態(tài)而不是異常。HDFS可能由成百上千的服務器所構成，每個服務器上存儲著文件系統(tǒng)的部分數(shù)據(jù)。我們面對的現(xiàn)實是構成系統(tǒng)的組件數(shù)目是巨大的，而且任一組件都有可能失效，這意味著總是有一部分HDFS的組件是不工作的。因此錯誤檢測和快速、自動的恢復是HDFS最核心的架構目標。

　　二 HDFS重要名詞解釋

　　HDFS 采用master/slave架構。一個HDFS集群是由一個Namenode和一定數(shù)目的Datanodes組成。Namenode是一個中心服務器，負責管理文件系統(tǒng)的名字空間(namespace)以及客戶端對文件的訪問。集群中的Datanode一般是一個節(jié)點一個，負責管理它所在節(jié)點上的存儲。 HDFS暴露了文件系統(tǒng)的名字空間，用戶能夠以文件的形式在上面存儲數(shù)據(jù)。從內部看，一個文件其實被分成一個或多個數(shù)據(jù)塊，這些塊存儲在一組 Datanode上。Namenode執(zhí)行文件系統(tǒng)的名字空間操作，比如打開、關閉、重命名文件或目錄。它也負責確定數(shù)據(jù)塊到具體Datanode節(jié)點的映射。Datanode負責處理文件系統(tǒng)客戶端的讀寫請求。在Namenode的統(tǒng)一調度下進行數(shù)據(jù)塊的創(chuàng)建、刪除和復制。

　　集群中單一Namenode的結構大大簡化了系統(tǒng)的架構。Namenode是所有HDFS元數(shù)據(jù)的仲裁者和管理者，這樣，用戶數(shù)據(jù)永遠不會流過Namenode。

　　1 Namenode

　　(1)HDFS的守護程序。

　　(2)記錄文件時如何分割成數(shù)據(jù)塊的，以及這些數(shù)據(jù)塊被存數(shù)到那些借點上。

　　(3)對內存和I/O進行集中管理

　　(4)namenode是單個節(jié)點，發(fā)生故障將使集群崩潰。

　　2 secondary Namenode

　　(1)監(jiān)控HDFS狀態(tài)的輔助后臺程序

　　(2)secondary Namenode與namenode通訊，定期保存HDFS元數(shù)據(jù)快照。

　　(3)當namenode故障時候，secondary Namenode可以作為備用namenode使用。

　　3 Datanode

　　Datanode將HDFS數(shù)據(jù)以文件的形式存儲在本地的文件系統(tǒng)中，它并不知道有關HDFS文件的信息。它把每個 HDFS數(shù)據(jù)塊存儲在本地文件系統(tǒng)的一個單獨的文件中。Datanode并不在同一個目錄創(chuàng)建所有的文件，實際上，它用試探的方法來確定每個目錄的最佳文件數(shù)目，并且在適當?shù)臅r候創(chuàng)建子目錄。

　　4 jobTracker

　　(1)用于處理作業(yè)的后臺程序

　　(2)決定有哪些文件參與處理，然后切割task并分配節(jié)點

　　(3)監(jiān)控task，重啟失敗的task

　　(4)每個集群只有唯一一個jobTracker，位于Master。

　　5 TaskTracker

　　(1)位于slave節(jié)點上，與datanode結合

　　(2)管理各自節(jié)點上的task(由jobTracker分配)

　　(3)每個節(jié)點只有一個tasktracker，但一個tasktracker可以啟動多個JVM,

　　(4)與jobtracker交互

　　三 HDFS數(shù)據(jù)存儲

　　1 HDFS數(shù)據(jù)存儲特點

　　(1)HDFS被設計成能夠在一個大集群中跨機器可靠地存儲超大文件。

　　(2)它將每個文件存儲成一系列的數(shù)據(jù)塊，除了最后一個，所有的數(shù)據(jù)塊都是同樣大小的，數(shù)據(jù)塊的大小是可以配置的。

　　(3)文件的所有數(shù)據(jù)塊都會有副本。每個副本系數(shù)都是可配置的。 (4)應用程序可以指定某個文件的副本數(shù)目。

　　(5)HDFS中的文件都是一次性寫入的，并且嚴格要求在任何時候只能有一個寫入者。

　　2 心跳機制

　　Namenode全權管理數(shù)據(jù)塊的復制，它周期性地從集群中的每個Datanode接收心跳信號和塊狀態(tài)報告(Blockreport)。接收到心跳信號意味著該Datanode節(jié)點工作正常。塊狀態(tài)報告包含了一個該Datanode上所有數(shù)據(jù)塊的列表。

　　3 副本存放

　　副本的存放是HDFS可靠性和性能的關鍵。HDFS采用一種稱為機架感知(rack-aware)的策略來改進數(shù)據(jù)的可靠性、可用性和網(wǎng)絡帶寬的利用率。

　　4 副本選擇

　　為了降低整體的帶寬消耗和讀取延時，HDFS會盡量讓讀取程序讀取離它最近的副本。如果在讀取程序的同一個機架上有一個副本，那么就讀取該副本。如果一個HDFS集群跨越多個數(shù)據(jù)中心，那么客戶端也將首先讀本地數(shù)據(jù)中心的副本。

　　5 安全模式

　　Namenode啟動后會進入一個稱為安全模式的特殊狀態(tài)。處于安全模式的Namenode是不會進行數(shù)據(jù)塊的復制的。Namenode從所有的 Datanode接收心跳信號和塊狀態(tài)報告。

　　四 HDFS數(shù)據(jù)健壯性

　　HDFS的主要目標就是即使在出錯的情況下也要保證數(shù)據(jù)存儲的可靠性。常見的三種出錯情況是：Namenode出錯, Datanode出錯和網(wǎng)絡割裂(network partitions)。

　　1 磁盤數(shù)據(jù)錯誤，心跳檢測和重新復制

　　每個Datanode節(jié)點周期性地向Namenode發(fā)送心跳信號。網(wǎng)絡割裂可能導致一部分Datanode跟Namenode失去聯(lián)系。Namenode 通過心跳信號的缺失來檢測這一情況，并將這些近期不再發(fā)送心跳信號Datanode標記為宕機，不會再將新的IO請求發(fā)給它們。任何存儲在宕機 Datanode上的數(shù)據(jù)將不再有效。Datanode的宕機可能會引起一些數(shù)據(jù)塊的副本系數(shù)低于指定值，Namenode不斷地檢測這些需要復制的數(shù)據(jù)塊，一旦發(fā)現(xiàn)就啟動復制操作。在下列情況下，可能需要重新復制：某個Datanode節(jié)點失效，某個副本遭到損壞，Datanode上的硬盤錯誤，或者文件的副本系數(shù)增大。

　　2 集群均衡

　　HDFS的架構支持數(shù)據(jù)均衡策略。如果某個Datanode節(jié)點上的空閑空間低于特定的臨界點，按照均衡策略系統(tǒng)就會自動地將數(shù)據(jù)從這個Datanode移動到其他空閑的Datanode。當對某個文件的請求突然增加，那么也可能啟動一個計劃創(chuàng)建該文件新的副本，并且同時重新平衡集群中的其他數(shù)據(jù)。這些均衡策略目前還沒有實現(xiàn)。

　　3 數(shù)據(jù)完整性

　　從某個Datanode獲取的數(shù)據(jù)塊有可能是損壞的，損壞可能是由Datanode的存儲設備錯誤、網(wǎng)絡錯誤或者軟件bug造成的。HDFS客戶端軟件實現(xiàn)了對HDFS文件內容的校驗和 (checksum)檢查。當客戶端創(chuàng)建一個新的HDFS文件，會計算這個文件每個數(shù)據(jù)塊的校驗和，并將校驗和作為一個單獨的隱藏文件保存在同一個 HDFS名字空間下。當客戶端獲取文件內容后，它會檢驗從Datanode獲取的數(shù)據(jù)跟相應的校驗和文件中的校驗和是否匹配，如果不匹配，客戶端可以選擇從其他Datanode獲取該數(shù)據(jù)塊的副本。

　　4 元數(shù)據(jù)磁盤錯誤

　　FsImage和Editlog是HDFS的核心數(shù)據(jù)結構。如果這些文件損壞了，整個HDFS實例都將失效。因而，Namenode可以配置成支持維護多個FsImage和Editlog的副本。任何對FsImage或者 Editlog的修改，都將同步到它們的副本上。這種多副本的同步操作可能會降低Namenode每秒處理的名字空間事務數(shù)量。然而這個代價是可以接受的，因為即使HDFS的應用是數(shù)據(jù)密集的，它們也非元數(shù)據(jù)密集的。當Namenode重啟的時候，它會選取最近的完整的FsImage和Editlog來使用。

　　Namenode是HDFS集群中的單點故障(single point of failure)所在。如果Namenode機器故障，是需要手工干預的。目前，自動重啟或在另一臺機器上做Namenode故障轉移的功能還沒實現(xiàn)。

　　5 快照

　　快照支持某一特定時刻的數(shù)據(jù)的復制備份。利用快照，可以讓HDFS在數(shù)據(jù)損壞時恢復到過去一個已知正確的時間點。HDFS目前還不支持快照功能，但計劃在將來的版本進行支持。