这篇文章主要为大家展示了“HDFS应该了解的问题有哪些”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“HDFS应该了解的问题有哪些”这篇文章吧。
安全模式是Namenode的一种状态（Namenode主要有active/standby/safemode三种模式）。
a. Namenode发现集群中的block丢失率达到一定比例时（默认0.01%），Namenode就会进入安全模式，在安全模式下，客户端不能对任何数据进行操作，只能查看元数据信息
Namenode的内存元数据中，包含文件路径、副本数、blockid，及每一个block所在Datanode的信息，而fsimage中，不包含block所在的Datanode信息。那么，当Namenode冷启动时，此时内存中的元数据只能从fsimage中加载而来，从而就没有block所在的Datanode信息 ——> 就会导致Namenode认为所有的block都已经丢失 ——> 进入安全模式 ——> 所在的Datanode信息启动后，会定期向Namenode汇报自身所持有的block信息 ——> 随着Datanode陆续启动，从而陆续汇报block信息，Namenode就会将内存元数据中的block所在Datanode信息补全更新 ——> 找到了所有block的位置，从而自动退出安全模式
1）找到问题所在，进行修复（比如修复宕机的所在Datanode信息补全更新）
1）非HA的模式下Namenode只能有一个，HA模式下可以有两个（一主active一备standby），HDFS联邦机制可以有多个Namenode
1）在edits中保存着每个文件的操作详细信息
2）在fsimage中保存着文件的名字、id、分块、大小等信息，但是不保存Datanode 的IP
安全模式结束，文件块和Datanode 的IP关联上
验证过程： 1) 启动Namenode，离开safemode，cat某个文件，看log，没有显示文件关联的Datanode 2) 启动Datanode，cat文件，内容显示 3) 停止Datanode ，cat文件，看log，看不到文件，但显示了文件块关联的Datanode |
8.Datanode动态上下线？
在实际生产环境中，在hdfs-site.xml文件中还会配置如下两个参数：
dfs.hosts：白名单；dfs.hosts.exclude：黑名单
<property> <name>dfs.hosts</name> #完整的文件路径：列出了允许连入NameNode的datanode清单（IP或者机器名） <value>$HADOOP_HOME/conf/hdfs_include</value> </property> <property> <name>dfs.hosts.exclude</name> #文件完整路径：列出了禁止连入NameNode的datanode清单（IP或者机器名） <value>$HADOOP_HOME/conf/hdfs_exclude</value> </property> |
1) 上线datanode
a) 保证上线的datanode的ip配置在白名单并且不出现在黑名单中
b) 配置成功上线的datanode后，通过命令hadoop-daemon.sh datanode start启动
c) 刷新节点状态：/bin/hadoop dfsadmin -refreshNodes(这个命令可以动态刷新dfs.hosts和dfs.hosts.exclude配置，无需重启NameNode)
d) 手动进行数据均衡：start-balance.sh
2) 下线datanode
a) 保证下线的datanode的ip配置在黑名单并且不出现在白名单中
b) 关闭下线的节点
c) 刷新节点状态：/bin/hadoop dfsadmin -refreshNodes
11.HDFS为什么不适合存储小文件 ？
一般一个block对应的元数据大小为150byte左右，大量小文件会使内存中的元数据变大导致占用大量Namenode内存、寻址时间长
该命令底层实际上是运行了一个MapReduce任务来将小文件打包成HAR。但是通过HAR来读取一个文件并不会比直接从HDFS中读取文件高效，因为对每一个HAR文件的访问都需要进行index文件和文件本身数据的读取。并且虽然HAR文件可以被用来作为MapReduce任务的input，但是并不能将HAR文件中打包的文件当作一个HDFS文件处理
2）编写MR程序，将小文件序列化到一个Sequence File中
将小文件以文件名作为key，以文件内容作为value，编写一个程序将它们序列化到HDFS上的一个Sequence File中，然后来处理这个Sequence File。相对打成HAR文件，具有两个优势：
（1）Sequence File是可拆分的，因此MapReduce可以将它们分成块并独立地对每个块进行操作
（2）它们同时支持压缩，不像HAR。在大多数情况下，块压缩是最好的选择，因为它将压缩几个记录为一个块，而不是一个记录压缩一个块
笔者强调hdfs小文件问题要结合具体的处理引擎以及业务情况等，比如离线处理下、流式处理下小文件问题如何解决，之后笔者会开单篇详述
以上是“HDFS应该了解的问题有哪些”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
