HDFS元数据管理机制

1. 元数据管理概述

HDFS元数据，按类型分，主要包括以下几个部分：

(1) 文件、目录自身的属性信息，例如文件名、目录名、修改信息等。

(2) 文件记录的信息的存储相关的信息，例如存储块信息，分块情况，副本个数等。

(3) 记录 HDFS 的 DataNode 的信息，用于DataNode 的管理。

按形式分为内存元数据和元数据文件两种，分别存在内存和磁盘上。

HDFS 磁盘上元数据文件分为两种，用于持久化存储：

fsimage 镜像文件:

是元数据的一个持久化的检查点，包含 Hadoop 文件系统中的所有目录和文件元数据信息，但不包含文件块的位置信息。文件块位置信息

只存储在内存中，是在 DataNode 加入集群的时候，NameNode 询问 DataNode 得到的，并且间断的更新。

Edits 编辑日志：

存放的是 Hadoop 文件系统的所有更改操作(文件创建，删除或修改)的日志，文件系统客户端执行的更改操作首先会被记录到 Edits 文件中。

Fsimage 和 Edits 文件都是经过序列化的，在 NameNode 启动的时候，它会将 Fsimage 文件中的内容加载到内存中，之后再执行　Edits 文件中的各项操作使得内存中的元数据和实际的数据数据同步，存在内存中的元数据支持客户端的读操作，也是最完整的元数据。当客户端对 HDFS 中的文件进行新增或者修改操作操作，操作记录首先被记录到 Edits日志文件中，当客户端操作成功后，相应的元数据会更新到内存元数据中。因为 Fsimage 文件一般都很大(GB级别的很常见)，如果所有的更新操作都往 Fsimage 文件中添加，这样会导致系统运行的十分缓慢。

HDFS 这种设计实现着手于：

一是内存中数据更新、查询快，极大缩短了操作响应时间；

二是内存中元数据丢失风险颇高（断电等），因此辅佐元数据镜像文件（fsimage）+ 编辑日志文件（edits）的备份机制进行确保元数据的安全。

NameNode 维护整个文件系统元数据。因此，元数据的准确管理，影响着HDFS提供文件存储 服务的能力。

2. 元数据目录相关文件

在Hadoop的HDFS首次部署好配置文件之后，并不能马上启动使用，而是先要对文件系统进行格式化。需要在NameNode（NN）节点上进行如下的操作：

$HADOOP_HOME/bin/hdfs namenode –format

在这里要注意两个概念

一个是文件系统，此时的文件系统在物理上还不存在；

二就是此处的格式化并不是指传统意义上的本地磁盘格式化，而是一些清除与准备工作。

格式化完成之后，将会在$dfs.namenode.name.dir/current目录下创建如下的文件结构，这个目录也正是namenode元数据相关的文件目录：

current/
|-- VERSION
|-- edits_*
|-- fsimage_0000000000008547077
|-- fsimage_0000000000008547077.md5
|-- seen_txid

其中的dfs.namenode.name.dir是在hdfs-site.xml文件中配置的，默认值如下：

<property>
     <name>dfs.namenode.name.dir</name>
     <value>file://${hadoop.tmp.dir}/dfs/name</value>
</property>

hadoop.tmp.dir 是在 core-site.xml中配置的，默认如下
<property>
     <name>dfs.tmp.dir</name>
     <value>/tmp/hadoop-${user.name}</value>
     <descriptition>A base for other temporary dirctories.</descriptition>
</property>

dfs.namenode.name.dir属性可以配置多个目录，各个目录存储的文件结构和内容都完全一样，相当于备份，这样做的好处是当其中一个目录损坏了， 也不会影响到Hadoop的元数据，特别是当其中一个目录是NFS（网络文件系统Network File System，NFS）之上，即使你这台机器损坏了， 元数据也得到保存。

下面对$dfs.namenode.name.dir/current/目录下的文件进行解释。

[hadoop@hadoop001 current]$ cat VERSION 
#Sat Mar 30 10:40:17 CST 2019
namespaceID=2096127794
clusterID=CID-15815684-06ec-43e7-a400-7fbbde19adce
cTime=0
storageType=NAME_NODE
blockpoolID=BP-1332988158-192.168.100.111-1553639671281
layoutVersion=-60

• namespaceID/clusterID/blockpoolID 这些都是HDFS集群的唯一标识符。标识符被用来防止DataNodes意外注册到另一个集群中的namenode上。这些标识在联邦（federation）部署中特别重要。联邦模式下，会有多个NameNode独立工作。每个的NameNode提供唯一的命名空间（namespaceID），并管理一组唯一的文件块池（blockpoolID）。clusterID将整个集群结合在一起作为单个逻辑单元，在集群中的所有节点上都是一样的。

• storageType说明这个文件存储的是什么进程的数据结构信息（如果是DataNode，storageType=DATA_NODE）；

• cTime NameNode存储系统创建时间，首次格式化文件系统这个属性是0，当文件系统升级之后，该值会更新到升级之后的时间戳；

• layoutVersion表示HDFS永久性数据结构的版本信息，是一个负整数。

补充说明：

cluster_id

格式化集群的时候，可以指定集群的cluster_id，但是不能与环境中其他集群有冲突。如果没有提供cluster_id，则会自动生成一个唯一的ClusterID。

$HADOOP_HOME/bin/hdfs namenode -format -clusterId <cluster_id>

seen_txid

$dfs.namenode.name.dir/current/seen_txid非常重要，是存放transactionId的文件，format之后是0，它代表的是namenode里面的edits*文件 的尾数，namenode重启的时候，会按照seen_txid的数字，循序从头跑edits_0000001~到seen_txid的数字。所以当你的hdfs发生异常重启的时候， 一定要比对seen_txid内的数字是不是你edits最后的尾数。

 [hadoop@hadoop001 current]$ pwd
/home/hadoop/app/hadoop-2.6.0-cdh5.7.0/data/dfs/name/current
[hadoop@hadoop001 current]$ ll
 .
 .
 .
-rw-rw-r--. 1 hadoop hadoop 1048576 Apr  7 06:00 edits_0000000000000007338-0000000000000007338
-rw-rw-r--. 1 hadoop hadoop      42 Apr 11 11:25 edits_0000000000000007339-0000000000000007340
-rw-rw-r--. 1 hadoop hadoop 1048576 Apr 11 11:25 edits_inprogress_0000000000000007341
-rw-rw-r--. 1 hadoop hadoop   37129 Apr 11 11:24 fsimage_0000000000000007338
-rw-rw-r--. 1 hadoop hadoop      62 Apr 11 11:24 fsimage_0000000000000007338.md5
-rw-rw-r--. 1 hadoop hadoop   37129 Apr 11 11:25 fsimage_0000000000000007340
-rw-rw-r--. 1 hadoop hadoop      62 Apr 11 11:25 fsimage_0000000000000007340.md5
-rw-rw-r--. 1 hadoop hadoop       5 Apr 11 11:25 seen_txid
-rw-rw-r--. 1 hadoop hadoop     208 Apr 11 11:24 VERSION

[hadoop@hadoop001 current]$ pwd
/home/hadoop/app/hadoop-2.6.0-cdh5.7.0/data/dfs/name/current
[hadoop@hadoop001 current]$ cat seen_txid
7341

Fsimage & edits $dfs.namenode.name.dir/current目录下在format的同时也会生成fsimage和edits文件，及其对应的md5校验文件。

3. secondary namenode

NameNode职责是管理元数据信息，DataNode的职责是负责数据具体存储，那么SecondaryNameNode的作用是什么？对很多初学者来说是非常迷惑的。它为什么会出现在HDFS中。从它的名字上看，它给人的感觉就像是NameNode的备份。但它实际上却不是。大家猜想一下，当HDFS集群运行一段事件后，就会出现下面一些问题：

edit logs文件会变的很大，怎么去管理这个文件是一个挑战。

NameNode重启会花费很长时间，因为有很多改动要合并到fsimage文件上。

如果NameNode挂掉了，那就丢失了一些改动。因为此时的fsimage文件非常旧。

因此为了克服这个问题，我们需要一个易于管理的机制来帮助我们减小edit logs文件的大小和得到一个最新的fsimage文件，这样也会减小在 NameNode上的压力。这跟Windows的恢复点是非常像的，Windows的恢复点机制允许我们对OS进行快照，这样当系统发生问题时， 我们能够回滚到最新的一次恢复点上。SecondaryNameNode就是来帮助解决上述问题的，它的职责是合并NameNode的edit logs到fsimage文件中。

4. Checkpoint

每达到触发条件，会由secondary namenode将namenode上积累的所有edits和一个最新的fsimage下载到本地，并加载到内存进行merge （这个过程称为checkpoint），如下图所示：

4.1 Checkpoint详细步骤

• NameNode管理着元数据信息，其中有两类持久化元数据文件：edits操作日志文件和fsimage元数据镜像文件。新的操作日志不会立即与fsimage 进行合并，也不会刷到NameNode的内存中，而是会先写到edits中(因为合并需要消耗大量的资源)，操作成功之后更新至内存。

• 有dfs.namenode.checkpoint.period和dfs.namenode.checkpoint.txns 两个配置，只要达到这两个条件任何一个，secondarynamenode就会 执行checkpoint的操作。

• 当触发checkpoint操作时，NameNode会生成一个新的edits即上图中的edits.new文件，同时SecondaryNameNode会将edits文件和fsimage 复制到本地（HTTP GET方式）。

• secondarynamenode将下载下来的fsimage载入到内存，然后一条一条地执行edits文件中的各项更新操作，使得内存中的fsimage保存最新， 这个过程就是edits和fsimage文件合并，生成一个新的fsimage文件即上图中的Fsimage.ckpt文件。

• secondarynamenode将新生成的Fsimage.ckpt文件复制到NameNode节点。

• 在NameNode节点的edits.new文件和Fsimage.ckpt文件会替换掉原来的edits文件和fsimage文件，至此刚好是一个轮回，即在NameNode中又是 edits和fsimage文件。

• 等待下一次checkpoint触发SecondaryNameNode进行工作，一直这样循环操作。

4.2 Checkpoint触发条件

Checkpoint操作受两个参数控制，可以通过hdfs-site.xml进行配置：

<property>
<name> dfs.namenode.checkpoint.period</name>
<value>3600</value>
<description>两次连续的checkpoint之间的时间间隔。默认1小时</description>  
</property>

<property>
<name>dfs.namenode.checkpoint.txns</name>
<value>1000000</value>
<description>最大的没有执行checkpoint事务的数量，满足将强制执行紧急checkpoint，即使尚未达到检查点周期。默认设置为100万。</description> 
</property>

从上面的描述我们可以看出，SecondaryNamenode根本就不是Namenode的一个热备，其只是将fsimage和edits合并。其拥有的fsimage不是最新的， 因为在他从NameNode下载fsimage和edits文件时候，新的更新操作已经写到edit.new文件中去了。而这些更新在SecondaryNamenode是没有同步到的！当 然，如果NameNode中的fsimage真的出问题了，还是可以用SecondaryNamenode中的fsimage替换一下NameNode上的fsimage， 虽然已经不是最新的fsimage，但是我们可以将损失减小到最少！

大家有啥问题，可以关注我个人微信公众号，里面有很多大数据，Java 相关的资料，感谢。