HDFS的viewfs指南

作者: 疯狂小兵 | 2016-11-16 | 阅读
「编辑」 「本文源码」

介绍

可视化文件系统(ViewFS)提供了一种管理多个Hadoop文件系统命名空间(或成命名空间卷)的方式。 对于在HDFS的Federation有多个NN,多个NS的集群是非常有效的。ViewFS类似于一些Unix/Linux系统的客户端安装表。 ViewFS可以用来创建个性化的NS视图和每个集群公用的视图。

该指南的上下文提出了Hadoop系统有多个集群,每个集群可以联合在多个命名空间内,也描述了联邦HDFS中的ViewFS提供给每个集群全局的NS, 因此应用可以以类似于单个联邦的方式运转。

古老世界(联邦之前)

单NN集群

在HDFS Federation之前的古老时间中呢,一个集群只有一个NN,其为集群提供单一的文件系统命名空间。

假如有多个集群,每个集群的文件系统命名空间(FSNS)都是完全独立和互斥的。

此外,集群间也没有物理存储的共享(比如,DN不会在集群间共享)。

每个集群的core-site.xml都有一个配置属性设置了集群的NN的默认文件系统。

<property>
  <name>fs.default.name</name>
  <value>hdfs://namenodeOfClusterX:port</value>
</property>

这样的配置属性允许你使用相对命名来解决相对于集群NN的路径问题。 比如,路径/foo/bar使用上面的配置映射为hdfs://namenodeOfClusterX:port/foo/bar

该配置属性在集群的每个网关都会设置,并且在集群的关键服务,如JobTracker和Oozie上也会有。

路径名用法方式

因此在core-site.xml设置如上的集群X中,典型的路径名为:

  1. /foo/bar
    • 该方式与hdfs://namenodeOfClusterX:port/foo/bar相等。
  2. hdfs://namenodeOfClusterX:port/foo/bar
    • 如果这是合法路径,这种方式比/foo/bar更好,因为在需要时,它允许应用和它的数据显式的移动到另一个集群中
  3. hdfs://namenodeOfClusterY:port/foo/bar
    • 这是另一个集群,如集群Y,的路径名的URL。 另外,该命令用于从Y集群将文件复制到Z集群。distcp hdfs://namenodeClusterY:port/pathSrc hdfs://namenodeClusterZ:port/pathDest
  4. webhdfs://namenodeClusterX:http_port/foo/barhftp://namenodeClusterX:http_port/foo/bar

    • 这两个分别是是通过WEebHDFS文件系统和HFTP文件系统访问文件的文件系统URL。 注意:WebHDFS 和HFTP使用NN上的HTTP端口,而不是RPC端口。
  5. http://namenodeClusterX:http_port/webhdfs/v1/foo/bar http://proxyClusterX:http_port/foo/bar
    • 这两个分别是通过WEBHDFS 的REST接口和HDFS代理访问文件的HTTP协议的URL。

路径名使用最佳实践

当使用集群时,推荐使用第一中类型的路径名而不是全限定的像URL的方式。全限定的URL像地址,不允许应用移动他们的数据。

新世界 - Federation 和ViewFs

如何看集群

假如这有多个集群,每个集群有一到多个NN,每个NN有它自己的NS。一个NN仅仅属于一个集群。集群内的NN共享集群的物理存储。 跨集群的NS像以前一样独立。

基于存储需要,操作会决定存储在集群内的每一个NN上。比如,他们可能在一个NN中放置了所有的用户数据(/user/<username>), 所有的食物数据(/data)在另一个NN上,所有的项目(/project)也在两一个NN上等等。

每个集群使用ViewFS的全局NS

为了古老世界提供透明度,ViewFS文件系统用于创意每个集群有一个独立的集群NS视图,与古老世界的NS相似。 客户端安装表就像Unix的安装表,他们使用古老的命名约定安置新的NS卷。接下来会展示安装表安装四个NS卷(/user,/data,/project,/tmp)

每个集群典型的安装表

ViewFs实现了Hadoop文件系统接口,就像HDFS一样和本地文件系统。

感觉上这是比较琐细的的文件系统,只允许连接到其他文件系统。因为ViewFS实现了Hadoop文件系统接口,对Hadoop工具是透明的。比如,所有的shell命令可以在VIewFS工作,就像在HDFS和本地文件系统上一样。

安装表的安装点在标准的Hadoop配置文件中指定。在每个集群的配置中,那些集群的默认文件系统设置到安装表,如:

<property>
  <name>fs.default.name</name>
  <value>viewfs://clusterX</value>
</property>

在URL中的vierFs://后的授权是安装表的名字。推荐一个集群的安装表的名字以集群的名字命名。 然后如上配置,Hadoop文件系统会在Hadoop配置文件中寻找名叫“clusterX”的安装表。 对于整个集群操作会安排所有的网关和服务机器包含该安装表,因此,对于每个集群,就像上面说的,针对哪个集群的默认文件系统会设置到ViewFS中。

路径名用法方式

core-site.xml中设置的默认文件系统使用安装表的集群X上,典型的路径名是:

  1. /foo/bar
    • 该写法与viewfs://clusterX/foo/bar相等。如果这样的路径名用于古老的无联邦的世界里,然后可以透明的过渡到联邦上。
  2. viewfs://clusterX/foo/bar
    • 如果是合法路径名,比/foo/bar号,因为应用和它的数据可以在需要的时候透明的移到另一个集群上。
  3. viewfs://clusterY/foo/bar
    • 这是另一个集群Y的路径名的URL引用。另外,该命令可以将文件从集群Y复制到Z: ` distcp viewfs://clusterY:/pathSrc viewfs://clusterZ/pathDest`
  4. viewfs://clusterX-webhdfs/foo/barviewfs://clusterX-hftp/foo/bar 这些是分别通过WEBHDFS文件系统和HFTP文件系统访问文件的接口

  5. http://namenodeClusterX:http_port/webhdfs/v1/foo/barhttp://proxyClusterX:http_port/foo/bar
    • 这些是分别通过WEBHDFS的REST接口和HDFS代理访问文件的HTTP协议的URL。

路径名用法最佳实践

在一个集群中时,推荐使用类型1替代类型2的全限定URL。进一步说,应用不应该使用安装点的知识,并使用像 hdfs://namenodeContainingUserDirs:port/joe/foo/bar的路径在个别NN中引用文件,而应该使用/user/joe/foo/bar

rename /user/joe/myStuff /data/foo/bar

在新世界中,如果/user/data存储在一个集群的不同NN上,如上命令做法是行不通的。


版权声明:本文由 在 2016年11月16日发表。本文采用CC BY-NC-SA 4.0许可协议,非商业转载请注明出处,不得用于商业目的。
文章题目及链接:《HDFS的viewfs指南》




  相关文章:

「游客及非Github用户留言」:

「Github登录用户留言」:

TOP