day01 HDFS

第一章 HDFS概述

1.1 HDFS产出的背景及定义

1.1.1 HDFS 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,那么就分配到更多的操作系统管理的磁盘中,但是不方便管理和维护,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中的一种.

1.1.2 HDFS 定义

HDFS是一个文件系统, 用于存储文件, 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.
HDFS的使用场景: 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.

1.2 HDFS优缺点

1.2.1 优点

1.高容错性
2.适合处理大数据
3.可构建在廉价机器上

1.2.3 缺点

1.不适合低延时数据访问,比如毫秒级的存储数据,无法做到.
2.无法高效的对大量小文件进行存储
3.不支持并发写入,文件随机修改,仅支持数据追加

1.3 HDFS 组成架构

1. NameNode: Master,HDFS的主管,管理者

(1) 管理HDFS的名称空间
(2) 配置副本策略
(3) 管理数据块的映射信息
(4) 处理客户端读写请求

2. DataNode: Slave.NameNode下达命令,DataNode执行实际操作

(1) 存储实际的数据块
(2) 执行数据块的读写操作

3. client: 客户端

(1) 切分文件,文件上传到HDFS的时候,是由client进行切分的
(2) 与NameNode进行交互,获取文件的位置信息
(3) 与DataNode进行交互,读取或写入数据
(4) Client通过一些命令来管理HDFS,比如HDFS格式化
(5) Client 可以通过一些命令访问HDFS ,比如HDFS增删改查操作.

4. SecondNameNode: 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

1.4 HDFS 文件块大小

HDFS中的文件在物理上是分块存储的. 文件以块的形式分布式的存储在HDFS中.

HDFS块的大小可以通过配置参数(dfs.blocksize) 来规定,默认是128M

块的大小不能设置的太小,也不能设置的太大??

文件系统有寻址时间和传输时间 ,一般地, 寻址时间为传输时间的1% 时,则为最佳状态.
(1) HDFS的块设置的太小.会增加寻址时间.即程序一直在寻找块的位置
(2) HDFS的块设置的太大,从磁盘传输数据的时间会明显大于寻找定位这个块的时间.

HDFS块的大小设置主要取决于磁盘传输速度.

几个问题:

• HDFS系统文件引入分块存储

在HDFS系统中，为了便于文件的管理和备份，引入分块概念（block）。这里的块是HDFS存储系统当中的最小单位，HDFS默认定义一个块的大小为128MB。当有文件上传到HDFS上时，若文件大小大于设置的块大小，则该文件会被切分存储为多个块，多个块可以存放在不同的DataNode上，整个过程中 HDFS系统会保证一个块存储在一个datanode上 。但值得注意的是 如果某文件大小没有到达128MB，该文件并不会占据整个块空间 。
HDFS中的NameNode会记录在上述文件分块中文件的各个块都存放在哪个dataNode上，这些信息一般也称为元信息(MetaInfo) 。元信息的存储位置由dfs.name.dir指定。

• 使用存储块的好处

(1) 分布式存储
(2) 冗余备份
(3) 并行读取

• 为什么64MB或者128MB或256MB是最优的选择？

文件系统有寻址时间和传输时间 ,一般地, 寻址时间为传输时间的1% 时,则为最佳状态.
(1) HDFS的块设置的太小.会增加寻址时间.即程序一直在寻找块的位置
(2) HDFS的块设置的太大,从磁盘传输数据的时间会明显大于寻找定位这个块的时间.

• 为什么不能远大于64MB或者128MB或256MB？

（1）Map崩溃问题：
系统需要重新启动，启动过程需要重新加载数据，数据块越大，数据加载时间越长，系统恢复过程越长。
（2）监管时间问题：
主节点监管其他节点的情况，每个节点会周期性的把完成的工作和状态的更新报告回来。如果一个节点保持沉默超过一个预设的时间间隔，主节点记录下这个节点状态为死亡，
并把分配给这个节点的数据发到别的节点。对于这个“预设的时间间隔”，这是从数据块的角度大概估算的。假如是对于64MB的数据块，我可以假设你10分钟之内无论如何也能解决了吧，
超过10分钟也没反应，那就是死了。可对于640MB或是1G以上的数据，我应该要估算个多长的时间呢？估算的时间短了，那就误判死亡了，更坏的情况是所有节点都会被判死亡。
估算的时间长了，那等待的时间就过长了。所以对于过大的数据块，这个“预设的时间间隔”不好估算。
（3）Map任务上：
因为MapReducer中一般一个map处理一个块上的数据，如果块很大，任务数会很少(少于集群中的节点个数)这样执行效率会明显降低。

• 为什么分片大小需要与HDFS数据块（分块）大小一致

hadoop将mapReduce的输入数据划分为等长的小数据块，称为输入分片或者分片，hadoop为每个分片构建一个map任务。
hadoop在存储有输入数据（HDFS中的数据）的节点上运行map任务，可以获得高性能，这就是所谓的数据本地化。所以最佳分片的大小应该与HDFS上的块大小一样，因为如果分片跨越2个数据块，对于任何一个HDFS节点（基本不肯能同时存储这2个数据块），分片中的另外一块数据就需要通过网络传输到map任务节点，与使用本地数据运行map任务相比，效率则更低！

第二章 HDFS的shell操作

1. -ls : 显示目录信息

[[e-mail] hadoop-2.7.2]$ hadoop fs -ls /

2. -mkdir : 在HDFS上创建目录

[[e-mail] hadoop-2.7.2]$ hadoop fs -mkdir -p /sanguo/shuguo

3. -moveFromLocal: 从本地剪切粘贴到HDFS

[[e-mail] hadoop-2.7.2]$ hadoop fs -moveFromLocal ./test.txt /sanguo/shuguo

4. -appendToFile: 追加一个文件到已经存在的文件末尾

[[e-mail] hadoop-2.7.2]$ hadoop fs -appendTofile liubei.txt /sanguo/kongming.txt

5. -cat: 显示文件内容

[[e-mail] hadoop-2.7.2]$ hadoop fs -cat /sanguo/shuguo/kongming.txt

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

[[e-mail] hadoop-2.7.2]$ hadoop fs -chown yanlzh:yanlzh /sanguo/shuguo/kongming.txt

7. -copyFromLocal: 从本地文件系统的拷贝文件到HDFS路径中去

[[e-mail] hadoop-2.7.2]$ hadoop fs -copyFromLocal ./test.txt /test/

8. -copyToLocal: 从HDFS拷贝到本地

[[e-mail] hadoop-2.7.2]$ hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt /home/yanlzh/

9. -cp : 赋值

[[e-mail] hadoop-2.7.2]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt

11. -mv : 移动文件

[[e-mail] hadoop-2.7.2]$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/

12. -get: 等同于copyToLocal 

[[e-mail] hadoop-2.7.2]$ hadoop fs -get /sanguo/shuguo/kongming.txt /home/yanlzh/

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

[[e-mail] hadoop-2.7.2]$ hadoop fs -getmerge /user/yanlzh/test/*  /home/yanlzh/ 

14. -put：等同于copyFromLocal

[[e-mail] hadoop-2.7.2]$ hadoop fs -put /home/yanlzh/a.txt /

15. -tail：显示一个文件的末尾

[[e-mail] hadoop-2.7.2]$ hadoop fs -tail /sangguo/shuguo/kongming.txt

16. -rm：删除文件或文件夹

[[e-mail] hadoop-2.7.2]$ hadoop fs - rm /sanguo/shuguo/kongming.txt

17. -rmdir：删除空目录

[[e-mail] hadoop-2.7.2]$ hadoop fs -rmdir /test

18. -du统计文件夹的大小信息

[[e-mail] hadoop-2.7.2]$ hadoop fs -du -s -h /user/yanlzh/test

19. -setrep：设置HDFS中文件的副本数量

[[e-mail] hadoop-2.7.2]$ hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt

第三章 HDFS客户端操作

3.1 HDFS的API操作

两个对象
Configuration(org.apache.hadoop.conf.Configuration)
FileSystem(org.apache.hadoop.fs.FileSystem)

3.1.1 HDFS文件下载

	@Test
    public void testCopyFromLocalFile() throws Exception {
        // 1. 获取文件系统对象FileSystem
        Configuration configuration = new Configuration();
        configuration.set("dfs.replication","2");
        FileSystem fileSystem = FileSystem.get(new URI("hdfs://node01:9000"), configuration, "yanlzh");
        // 2. 上传文件
        fileSystem.copyFromLocalFile(new Path("E:/test.txt"),new Path("/"));
        fileSystem.close();
    }

参数生效的优先级
（1）客户端代码中设置的值 >（2）ClassPath下的用户自定义配置文件 >（3）然后是服务器的默认配置

3.1.2 HDFS文件下载

    @Test
    public void testCopyToLocalFile() throws Exception {
        Configuration configuration = new Configuration();
        FileSystem fileSystem = FileSystem.get(new URI("hdfs://node01:9000"), configuration, "yanlzh");

        // boolean delSrc 指是否将原文件删除
        // Path src 指要下载的文件路径
        // Path dst 指将文件下载到的路径
        // boolean useRawLocalFileSystem 是否开启文件校验
        fileSystem.copyToLocalFile(false,new Path("/test.txt"),new Path("E:/test1.txt"),true);
        fileSystem.close();
    }

3.1.3 HDFS文件和文件夹判断

    @Test
    public void testListStatus() throws Exception {
        Configuration configuration = new Configuration();
        FileSystem fileSystem = FileSystem.get(new URI("hdfs://node01:9000"), configuration, "yanlzh");

        FileStatus[] fileStatuses = fileSystem.listStatus(new Path("/"));

        for (FileStatus fileStatus : fileStatuses) {
            if (fileStatus.isFile()) {
                System.out.println("f:" + fileStatus.getPath().getName());
            } else {
                System.out.println("d:" + fileStatus.getPath().getName());
            }
        }
        fileSystem.close();
    }

3.2 HDFS的IO流操作(自定义)

3.2.1 HDFS文件上传

    @Test
    public void putFileToHDFS() throws IOException, InterruptedException, URISyntaxException {

        // 1 获取文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");

        // 2 创建输入流
        FileInputStream fis = new FileInputStream(new File("e:/banhua.txt"));

        // 3 获取输出流
        FSDataOutputStream fos = fs.create(new Path("/banhua.txt"));

        // 4 流对拷
        IOUtils.copyBytes(fis, fos, configuration);

        // 5 关闭资源
        IOUtils.closeStream(fos);
        IOUtils.closeStream(fis);
        fs.close();
    }

3.2.2 HDFS文件下载

// 文件下载
    @Test
    public void getFileFromHDFS() throws IOException, InterruptedException, URISyntaxException{

        // 1 获取文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");

        // 2 获取输入流
        FSDataInputStream fis = fs.open(new Path("/banhua.txt"));

        // 3 获取输出流
        FileOutputStream fos = new FileOutputStream(new File("e:/banhua.txt"));

        // 4 流的对拷
        IOUtils.copyBytes(fis, fos, configuration);

        // 5 关闭资源
        IOUtils.closeStream(fos);
        IOUtils.closeStream(fis);
        fs.close();
    }

第四章 HDFS的数据流(读和写)

4.1 HDFS写数据流程(上传)

HDFS写数据流程

4.1.1 上传流程

图中NameNode向客户端返回的DataNode的数量由副本数决定;
返回哪几个DataNode 由后续的网络拓扑和机架感知决定

流程如下

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）。

4.1.2 网络拓扑-节点距离计算(第一个DataNode的选择)

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？

数线段个数

4.1.3 机架感知(副本DataNode的选择)

第一个副本在Client所处的节点上(节点距离最近,为0),如果客户端在集群外,则随机选择一个
第二个副本和第一个副本位于相同机架,随机节点
第三个副本位于不同机架,随机节点

4.2 HDFS读数据流程(下载)

HDFS读数据流程

注: 客户端只会和一个DataNode建立通道,其他的DataNode作为备胎,当第一个DataNode不通时,再去和后面的建立

流程如下

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。

第五章 NameNode和SecondaryNameNode

5.1 NN和2NN工作机制

思考:
	1.NameNode的元数据该存放在哪里才能保证又高效又安全?
	2.SecondaryNameNode有什么用?

面对第一个问题(解决方案):
(1) 元数据存放在内存中>> 不安全 >> 在磁盘中备份元数据 (FsImage)
(2) 使用FsImage面临的新问题: 在内存中更新元数据时:
a.如果同时更新磁盘中的FsImage , 效率太低
b.如果不更新磁盘中的FsImage, 数据不一致
(3) 引入Edits文件: 对Edits文件只进行追加(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,并且将更新的内容追加到Edits中, 一旦NameNode节点断电,可以通过FsImage和Edits的合并,重新得到元数据.
(4) 如果长时间添加数据到Edits 文件中,会导致该文件过大, 那么在NameNode故障时,重新启动后,合并FsImage和Edits需要很长的时间.
(5) 于是,需要定期的进行FsImage 和 Edits文件的合并,如果这个操作有NameNode来完成,又会效率过低. 古 ,引入一个新的节点SecondaryNameNode,专门用于FsImage和Edits文件的合并

5.1.1 关于NameNode

（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。

5.1.2 关于SecondaryNameNode

（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。

5.1.3 NN和2NN总结

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。

5.2 Fsimage和Edits解析

概念

5.3 CheckPoint时间设置

[hdfs-default.xml]
(1) 通常情况下，SecondaryNameNode每隔一小时执行一次。

<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1百万时，SecondaryNameNode执行一次。

<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 >

5.4 NameNode故障处理

NameNode故障后,可以采用以下两种方式恢复数据:

5.4.1 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(/home/yanlz/app/hadoop-2.7.2/data/tmp/dfs/name)

[[e-mail] hadoop-2.7.2]$ rm -rf /home/yanlz/hadoopdata/name/*

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

[[e-mail] hadoop-2.7.2]$ scp - r [e-mail]:/home/yanlzh/hadoopdata/dfs/namesecondary/*  /home/yanlz/hadoopdata/name/

4. 重新启动NameNode

[[e-mail] hadoop-2.7.2]$ sbin/hadoop-daemon.sh startnamenode

5.4.2 方法二(使用-importCheckpoint选项)

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。

1. 修改hdfs-site.xml
2. kill -9 NameNode进程
3. 删除NameNode存储的数据
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
5. 导入检查点数据（等待一会ctrl+c结束掉）
6. 启动NameNode

5.5 集群安全模式

1. NameNode启动

NameNode启动时,首先将镜像文件(FsImage)载入内存,并执行编辑日志(Edits)中的各项操作.一旦在内存中成功建立文件系统元数据的映像,则创建一个新的FsImage文件和一个空的编辑日志.此时,NameNode开始监听DataNode请求.这个过程期间,NameNode一直运行在安全模式, 即NameNode的文件系统对于客户端来说是只读的;

2. DataNode启动

系统中数据块的位置并不是由NameNode维护的,而是以块列表的形式存储在DataNode中. 在系统的正常操作期间,NameNode会在内存中保留所有块位置的映射信息.在安全模式下,各个DataNode会向NameNode发送最新的块列表信息,NameNode了解到足够多的块位置信息后,即可高效运行文件系统;

4. 安全模式退出判断

如果满足"最小副本条件" ,NameNode会在30 秒钟之后就退出安全模式.所谓的最小副本条件------整个文件系统的99.9%的块满足最小副本级别(默认值: dfs.replication.min = 1). 在启动一个刚刚格式化的HDFS集群时,因为系统中还没有任何块,所以NameNode不会进入安全模式.

第六章 DataNode

6.1 DataNode 工作机制

图解

1）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。
2）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。
3）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。
4）集群运行中可以安全加入和退出一些机器。

6.2 数据完整性

DataNode节点上的数据损坏了，却没有发现，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。

1）当DataNode读取Block的时候，它会计算CheckSum。
2）如果计算后的CheckSum，与Block创建时值不一样，说明Block已经损坏。
3）Client读取其他DataNode上的Block。
4）DataNode在其文件创建后周期验证CheckSum。

6.3 掉线时限参数设置

参数设置	hdfs-site.xml

<property>
	<!--超时时间,单位毫秒-->
    <name>dfs.namenode.heartbeat.recheck-interval</name>
    <value>300000</value>
</property>
<property>
	<!--心跳发送周期, 单位秒-->
    <name>dfs.heartbeat.interval</name>
    <value>3</value>
</property>

6.4 服役新数据节点

需求
	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。

1. 环境准备
   (1) 在node03主机上再克隆一台node04主机
   (2) 修改IP地址和主机名称
   (3) source一下配置文件

[[e-mail] hadoop-2.7.2]$ source /etc/profile

2. 服役新节点具体步骤

(1) 直接启动DataNode,即可关联到集群

[[e-mail] hadoop-2.7.2]$ sbin/hadoop-daemon.sh start datanode
[[e-mail] hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager

6.5 退役旧数据节点

6.5.1 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

1. 在NameNode的/home/yanlzh/app/hadoop-2.7.2/etc/hadoop目录下创建 dfs.hosts 文件

[[e-mail] hadoop]$ touch dfs.hosts 
[[e-mail] hadoop]$ vim dfs.hosts

添加如下主机名称(退役node04)

node01
node02
node03

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

<property>
	<name>dfs.hosts</name>
	<value>/home/yanlzh/app/hadoop-2.7.2/etc/hadoop/dfs.hosts</value>
</property>

3. 配置文件分发

[[e-mail] hadoop]$ xsync hdfs-site.xml 

4. 刷新NameNode

[[e-mail] hadoop-2.7.2]$ hdfs dfsadmin -refreshNodes

5. 更新ResourceManager

[[e-mail] hadoop-2.7.2]$ yarn rmadmin -refreshNodes

6.5.2 黑名单退役

在黑名单上面的主机都会被强制退出

配置黑名单

1. 在NameNode的/home/yanlzh/app/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts.exclude文件

[[e-mail] hadoop]$ touch dfs.hosts.exclude 
[[e-mail] hadoop]$ vim dfs.hosts.exclude

2. 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>/home/yanlzh/app/hadoop-2.7.2/etc/hadoop/dfs.hosts.exclude</value>
</property>

3. 刷新NameNode、刷新ResourceManager

6.6 DataNode多目录配置

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

具体配置如下(hdfs-site.xml):

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

第七章 HDFS 2.x新特性

第八章 HDFS HA