一.初始化操作

@_为什么要初始化，它到底做了哪些事情？

答：初始化的时候，会新建文件夹，dfs/name，文件夹的名字是dfs，在他下面会新建一个文件夹，名字是name

×××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××

初始化之前，建议先把之前的版本信息全部删除

[root@bigboss hadoop-2.6.0]# rm -rf data/tmp/*

[root@bigboss hadoop-2.6.0]# hdfs namenode -format

初始化成功：

Storage directory /opt/programs/hadoop-2.6.0/data/tmp/dfs/name has been successfully formatted.

【Hadoop】hdfs的秘密，namenode,datanode,yarn,安全模式，fsimage,edits...-LMLPHP

×××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××

2.初始化的作用

1.生成namenode的文件目录结构

--------in_use.lock是在使用中才会生成

--------和edits相关的也是在开始使用之后，才会生成

2.确定了三个ID，namespaceID、clusterID、blockpoolID

【Hadoop】hdfs的秘密，namenode,datanode,yarn,安全模式，fsimage,edits...-LMLPHP

3.生成了文件系统镜像fsimage_0000000000000000000

3.只启动namenode

$ sbin/hadoop-daemon.sh start namenode

【Hadoop】hdfs的秘密，namenode,datanode,yarn,安全模式，fsimage,edits...-LMLPHP

1.会生成锁文件，in_use.lock

2.会生成edits相关文件edits_inprogress_0000000000000000001，

并且seen_txid会改变成和edits_inprogress文件后面的编号id一样

[root@bigboss current]# cat seen_txid

1

4.启动datanode

$ sbin/hadoop-daemon.sh start datanode

【Hadoop】hdfs的秘密，namenode,datanode,yarn,安全模式，fsimage,edits...-LMLPHP

@_图中tmp/，finalized/,rbw/为空

1.会生成datanode的文件目录结构

current文件夹和锁文件in_user.lock是一起生成的

2.会生成块池id对应的文件夹和VERSION文件

为什么会自动配对？

答：slaves文件规定hadoop集群的所有从节点的主机，默认值是localhost，所以伪分布式可以配对成功

**hadoop的从节点类型不止一种

@hdfs的从节点 datanode

@yarn的从节点 nodemanager

为什么要这样设计？

3.三个配对id的位置

1.namespaceID在 BP…里面的current文件夹下的VERSION文件里面

2.blockpoolID 在BP…里面的current文件夹下的VERSION文件里面

【Hadoop】hdfs的秘密，namenode,datanode,yarn,安全模式，fsimage,edits...-LMLPHP

3.clusterID 在BP…同级的VERSION文件里面

5.没有操作任何的hdfs的时候

/opt/programs/hadoop-2.6.0/data/tmp/dfs/data/current/BP-1003710699-192.168.1.211-1567039419296/current/finalized

下是空的，跟hdfs上保存数据相关的所有内容，都保存在这个文件夹下

二.hadoop的配置

1.伪分布式

2.分布式配置

------在伪分布式的基础上

1.所有节点都要安装jdk，ssh免密登录

2.确定各个节点上运行的服务

1个namenode

3个datanode

1个secondarynamenode

1个resourcemanager

3个nodemanager

3.修改配置文件

core-site.xml:

<property>

        <name>fs.defaultFS</name>

        <value>hdfs://bigboss:9000</value>

</property>

<property>

        <name>hadoop.tmp.dir</name>

        <value>/opt/programs/hadoop-2.6.0/data/tmp</value>

</property>

</configuration>

hdfs-site.xml:

<property>

        <name>dfs.replication</name>

        <value>3</value>

</property>

	<property>

                <name>dfs.namenode.secondary.http-address</name>

                <value>bigboss_c:50090</value>

        </property>

</configuration>

mapred-site.xml:

<property>

        <name>mapreduce.framework.name</name>

        <value>yarn</value>

</property>

<property>

		<name>mapreduce.jobhistory.webapp.address</name>

		<value>bigboss_b:19888</value>

</property>

<property>

		<name>mapreduce.jobhistory.address</name>

		<value>bigboss_b:10020</value>

</property>

yarn-site.xml:

注意

<value>192.168.1.24</value>写成<value>bigboss_b</value>可能会导致resourcemanager启动失败，原因未知，已确认ip与主机名映射的hosts文件无误，之前使用也没有任何问题，但是在这里出问题了。老师和其他同学用hadoop2主机名没有出现问题，我bigboss_b和同桌caixunkun2都出问题了。。。辣鸡玩意儿！！！

<name>yarn.resourcemanager.hostname</name>

<value>bigboss_b</value>

正文：

<property>

        	<name>yarn.nodemanager.aux-services</name>

        	<value>mapreduce_shuffle</value>

	</property>

	<property>

				<name>yarn.resourcemanager.hostname</name>

				<value>192.168.1.24</value>

		</property>

	<!-- 日志聚集功能开启 -->

	<property>

		<name>yarn.log-aggregation-enable</name>

		<value>true</value>

	</property>

	<!-- 日志文件保存的时间，以秒为单位 -->

	<property>

		<name>yarn.log-aggregation.retain-seconds</name>

		<value>640800</value>

	</property>

4.把hadoop应用程序拷贝到其他节点

hadoop分布式系统，每个节点的配置要完全一样

5.删除data/tmp/*

6.启动服务

为什么不能用start-all.sh?

答：使用这个命令，需要hdfs和yarn的主节点都在当前节点上，才可以统一启动

使用start-dfs.sh和start-yarn.sh来代替它

start-dfs.sh 这个命令要在namenode所在的节点执行，才能正常启动hdfs服务

start-yarn.sh 这个命令要在resourcemanager所在的节点执行，才能正常启动yarn服务

7.测试是否能正常运行

1.webui

2.能使用服务的功能

1.hdfs上面新建文件夹

主要是集群内部的节点，都可以使用hdfs的shell命令

bin/hdfs dfs -mkdir /datanode

2.yarn的测试

配置好了hadoop的默认文件系统是hdfs之后，会把相关的操作都默认为是基于hdfs的操作

1.在hdfs上创建文件夹

2.上传文件

3.运行任务

8.添加配置项

上面配置文件中已经设置了～

日志聚集和任务历史服务

三.hdfs的细节

1.fsimage到底是干嘛的

文件系统镜像，把文件系统的某一时刻的状态持久化到磁盘

某一时刻的状态：namenode某一时刻内存中存在的hdfs相关的信息，元数据

secondarynamenode帮助namenode进行更新fsimage

2.edits是干嘛的

edits 编辑操作记录

根据操作记录，可以推断出namenode内存保存的元数据信息

四.fsimage里面保存的信息是完整的内存结构吗？

答：fsimage是内存信息镜像，包括所有的元数据信息，除了每个块所在的节点信息

所以每次启动之后，namenode再重构了元数据之后，他会接受每个datanode的汇报信息

汇报的信息就是自己上面有哪些块

需要时间把块和节点的映射补充完整，在补充完整之前，namenode不会对外提供服务，这一段时间就是安全模式

在安全模式下，只能做查询的操作，不能增删改

退出安全模式的条件：所有hdfs上的块的信息，跟主机的映射达到了99.999%之后会退出安全模式

五.安全模式

1.不是只有在启动的时候才可以有安全模式

可以手动开启或结束安全模式

2.一般手动进入安全模式的场景

不能提供服务，不会修改元数据，namenode直接保存元数据到磁盘，形成fsimage

3.下一次checkpoint的时候，sn会怎么做

1.会拷贝fsimage和edits

会造成sn上的edits的缺失

2.只会拷贝edits，会造成sn上面没有namenode紧急保存的fsimage

sn会造成fsimage的缺失

六.md5加密的必要性

在传输结束之后，验证文件的完整性和正确性