�ݺ�ߣ

‫فایل‬ ‫سیستم‬HDFS
‫رضایی‬‫ناصر‬
nasser.rezaei.novin@gmail.com

‫مقدمه‬
•‫کامپ‬ ‫تعدادی‬ ‫روی‬ ‫را‬ ‫آن‬ ‫تا‬ ‫است‬ ‫نیاز‬ ‫شود‬ ‫می‬‫بیشتر‬‫کامپیوتر‬ ‫سازی‬ ‫ذخیره‬ ‫ظرفیت‬ ‫از‬ ‫دیتاست‬ ‫یک‬ ‫اندازه‬ ‫که‬ ‫وقتی‬‫یوتر‬(node)‫مجزا‬
‫کنیم‬ ‫قسمت‬.
•‫ش‬ ‫توزیع‬ ‫فایل‬ ‫سیستم‬ ‫کنند‬ ‫می‬ ‫مدیریت‬ ‫ها‬ ‫ماشین‬ ‫از‬ ‫ای‬ ‫شبکه‬ ‫روی‬ ‫را‬ ‫سازی‬ ‫ذخیره‬ ‫فضای‬ ‫که‬ ‫هایی‬ ‫فایل‬ ‫سیستم‬ ‫به‬‫گویند‬ ‫می‬ ‫ده‬.
•‫شده‬ ‫توزیع‬ ‫فایل‬ ‫سیستم‬Hadoop،HDFS‫دارد‬ ‫نام‬.

‫احی‬‫ر‬‫ط‬HDFS
•HDFS‫است‬ ‫شده‬ ‫احی‬‫ر‬‫ط‬‫زیر‬ ‫مقاصد‬ ‫ای‬‫ر‬‫ب‬:
•‫بزرگ‬ ‫خیلی‬ ‫های‬ ‫فایل‬:‫پتابایتی‬ ‫حتی‬ ‫یا‬ ‫ابایتی‬‫ر‬‫ت‬ ،‫گیگابایتی‬ ‫صدها‬ ‫های‬ ‫اندازه‬ ‫با‬ ‫هایی‬ ‫فایل‬.
•‫جریانی‬ ‫داده‬ ‫دسترسی‬:‫است‬ ‫نامحدود‬ ‫خواندن‬ ‫یکبار؛‬ ‫نوشتن‬ ‫الگوی‬ ،‫داده‬ ‫پردازش‬ ‫الگوی‬ ‫کاراترین‬.HDFS‫این‬ ‫از‬
‫پیش‬ ‫رکورد‬ ‫اولین‬ ‫خواندن‬ ‫ای‬‫ر‬‫ب‬ ‫که‬ ‫تاخیری‬ ‫از‬ ‫دیتاست‬ ‫تمام‬ ‫خواندن‬ ‫زمان‬ ‫این‬‫ر‬‫بناب‬ ،‫گیرد‬ ‫می‬ ‫الگو‬ ‫ایده‬‫تر‬ ‫مهم‬ ‫آید‬ ‫می‬
‫است‬.
•‫معمولی‬ ‫ار‬‫ز‬‫اف‬ ‫سخت‬:Hadoop‫ندارد‬ ‫ابی‬‫ر‬‫خ‬‫ابر‬‫ر‬‫ب‬ ‫در‬ ‫مقاومت‬ ‫با‬ ‫قیمت‬ ‫ان‬‫ر‬‫گ‬ ‫ارهای‬‫ز‬‫اف‬ ‫سخت‬ ‫به‬ ‫احتیاجی‬.HDFS‫به‬
‫های‬ ‫ابی‬‫ر‬‫خ‬ ‫مقابل‬ ‫در‬ ‫که‬ ‫است‬ ‫شده‬ ‫احی‬‫ر‬‫ط‬ ‫ای‬ ‫گونه‬node‫دهد‬ ‫ادامه‬ ‫را‬ ‫خود‬ ‫کار‬ ‫جزئی‬ ‫ای‬ ‫وقفه‬ ‫با‬‫حداکثر‬ ‫ها‬.
•HDFS‫نیست‬ ‫سازگار‬‫زیر‬ ‫موارد‬ ‫با‬:
•‫کم‬‫تاخیر‬ ‫با‬ ‫ها‬ ‫داده‬ ‫به‬ ‫دسترسی‬:‫خوبی‬ ‫به‬ ‫دارند‬ ‫کم‬‫تاخیر‬ ‫با‬ ‫دسترسی‬ ‫به‬ ‫نیاز‬ ‫که‬ ‫هایی‬ ‫اپلیکیشن‬‫با‬HDFS‫نمی‬ ‫کار‬
‫کنند‬.
•‫کوچک‬ ‫فایل‬ ‫زیاد‬ ‫تعداد‬:‫که‬ ‫جایی‬ ‫آن‬ ‫از‬namenode‫های‬ ‫فایل‬ ‫تعداد‬ ‫محدودیت‬ ‫شود‬ ‫می‬ ‫داری‬ ‫نگه‬ ‫اصلی‬ ‫حافظه‬ ‫در‬
‫حافظه‬ ‫ان‬‫ز‬‫می‬ ‫به‬ ‫سیستم‬namenode‫دارد‬ ‫بستگی‬.
•‫تصادفی‬ ‫صورت‬ ‫به‬ ‫ها‬ ‫فایل‬ ‫در‬‫تغییر‬ ‫نویسنده؛‬ ‫چند‬:‫در‬ ‫ها‬ ‫فایل‬HDFS‫شوند‬ ‫می‬ ‫نوشته‬ ‫منبع‬ ‫یک‬ ‫توسط‬.‫همیشه‬
‫شود‬ ‫می‬ ‫اضافه‬ ‫فایل‬ ‫انتهای‬ ‫به‬ ‫محتویات‬(Append.)‫کرد‬ ‫ایجاد‬ ‫ات‬‫ر‬‫تغیی‬ ‫فایل‬ ‫از‬ ‫خاصی‬ ‫آفست‬ ‫در‬ ‫توان‬ ‫نمی‬.

‫مفاهیم‬HDFS
•Block:‫است‬ ‫دیسک‬ ‫در‬ ‫نوشتن‬ ‫و‬ ‫خواندن‬ ‫واحد‬ ‫ترین‬ ‫کوچک‬ ‫بالک‬.‫معموال‬ ‫دیسک‬ ‫بالک‬512‫در‬ ‫است‬ ‫بایت‬
‫است‬ ‫دیسک‬ ‫بالک‬ ‫از‬ ‫ضریبی‬ ‫معموال‬ ‫فایل‬ ‫سیستم‬ ‫بالک‬ ‫که‬ ‫حالی‬.
•HDFS‫بزرگ‬ ‫اندازه‬ ‫با‬ ‫منتها‬ ‫دارد‬ ‫را‬ ‫بالک‬ ‫مفهوم‬ ‫هم‬128‫مگابایت‬(‫فرض‬ ‫پیش‬)‫در‬ ‫ها‬ ‫فایل‬ ،HDFS‫بالک‬ ‫اندازه‬ ‫به‬ ‫هایی‬ ‫قطعه‬ ‫در‬
‫شوند‬ ‫می‬ ‫ذخیره‬.‫کند‬ ‫نمی‬ ‫اشغال‬ ‫را‬ ‫آن‬ ‫تمام‬ ‫بالک‬ ‫از‬‫کمتر‬ ‫انداز‬ ‫با‬ ‫فایلی‬ ‫دیسکی‬ ‫تک‬ ‫فایل‬ ‫سیستم‬ ‫برخالف‬.‫ان‬‫این‬ ‫به‬ ‫بالک‬ ‫دازه‬
‫بال‬ ‫ابتدای‬ ‫به‬ ‫رسیدن‬ ‫زمان‬ ‫از‬‫بیشتر‬ ‫خیلی‬ ‫بایستی‬ ‫بالک‬ ‫تمام‬ ‫خواندن‬ ‫زمان‬ ‫که‬ ‫است‬ ‫بزرگ‬ ‫سیستم‬ ‫در‬ ‫دلیل‬‫باشد‬ ‫ک‬.
•‫محدودی‬ ‫تعداد‬ ‫در‬ ‫بالک‬‫هر‬ ،‫رود‬ ‫نمی‬ ‫بین‬ ‫از‬ ‫افزاری‬ ‫سخت‬ ‫های‬ ‫ابی‬‫ر‬‫خ‬ ‫در‬ ‫بالک‬ ‫اینکه‬ ‫از‬ ‫اطمینان‬ ‫ای‬‫ر‬‫ب‬(‫معموال‬3)‫مجزا‬ ‫ماشین‬
‫شود‬ ‫می‬ ‫کپی‬.

Namenode‫و‬Datanode
•:Namenode‫نام‬ ‫فضای‬(namespace)‫فای‬ ‫و‬ ‫ها‬ ‫کتوری‬‫دایر‬ ‫متادیتای‬ ‫و‬ ‫کند‬ ‫می‬ ‫مدیریت‬ ‫را‬ ‫فایل‬ ‫سیستم‬‫را‬ ‫ها‬ ‫ل‬
‫کند‬ ‫می‬ ‫داری‬ ‫نگه‬ ‫فایل‬ ‫سیستم‬ ‫در‬.
•‫قالب‬ ‫در‬ ‫محلی‬ ‫دیسک‬ ‫در‬ ‫دائمی‬ ‫صورت‬ ‫به‬ ‫اطالعات‬ ‫این‬2‫شوند‬ ‫می‬ ‫داری‬ ‫نگه‬ ‫فایل‬:namespace image‫و‬edit log‫همچنین‬ ،
namenode‫تمام‬datanode‫شناسد‬ ‫می‬ ‫را‬ ‫خاص‬ ‫فایل‬ ‫یک‬ ‫به‬ ‫مربوط‬ ‫های‬.
•Datanode:‫ش‬ ‫ذخیره‬ ‫های‬ ‫بالک‬ ‫گزارش‬ ‫ارائه‬ ‫و‬ ‫اخوانی‬‫ر‬‫ف‬ ‫هنگام‬ ‫در‬ ‫بالک‬ ‫بازیابی‬ ‫و‬ ‫داری‬ ‫نگه‬ ‫اش‬ ‫وظیفه‬‫در‬ ‫ده‬
‫به‬ ‫زمانی‬ ‫های‬ ‫فاصله‬namenode‫است‬.

‫از‬ ‫محافظت‬namenode
•‫بدون‬namenode‫گردد‬ ‫می‬ ‫بالاستفاده‬ ‫فایل‬ ‫سیستم‬.‫بایستی‬ ‫دلیل‬ ‫همین‬ ‫به‬namenode‫شدن‬ ‫اب‬‫ر‬‫خ‬ ‫از‬ ‫را‬
‫داشت‬ ‫برحذر‬.‫منظور‬ ‫بدین‬Hadoop‫کند‬ ‫می‬ ‫اهم‬‫ر‬‫ف‬ ‫را‬ ‫امکان‬ ‫دو‬:
•1-‫سیستم‬ ‫متادیتای‬ ‫از‬ ‫گیری‬ ‫پشتیبان‬:‫شود‬ ‫می‬ ‫ذخیره‬ ‫متفاوت‬ ‫فایل‬ ‫های‬ ‫سیستم‬ ‫در‬ ‫که‬.
•2-‫از‬ ‫استفاده‬namenode‫ثانویه‬:‫یک‬ ‫مثل‬ ‫نامش‬ ‫برخالف‬ ‫که‬namenode‫کند‬ ‫نمی‬ ‫عمل‬.‫تصویر‬ ‫ادغام‬ ‫آن‬ ‫اصلی‬ ‫وظیفه‬
namenode‫با‬edit log‫اندازه‬ ‫تا‬ ‫است‬edit log‫نشود‬ ‫بزرگ‬ ‫خیلی‬.Namenode‫شود‬ ‫می‬ ‫ساخته‬ ‫مجزایی‬ ‫ماشین‬ ‫روی‬ ‫ثانویه‬.

‫بالک‬ ‫کردن‬ ‫کش‬
•‫اصلی‬ ‫حافظه‬ ‫در‬ ‫را‬ ‫شوند‬ ‫می‬ ‫دسترسی‬ ‫زیاد‬ ‫که‬ ‫هایی‬ ‫بالک‬ ‫توان‬ ‫می‬datanode‫کرد‬ ‫ذخیره‬.
•‫تواند‬ ‫می‬ ‫کار‬ ‫زمانبند‬Task‫روی‬ ‫را‬ ‫ها‬datanode‫اند‬ ‫کرده‬ ‫کش‬ ‫را‬ ‫بالک‬ ‫که‬ ‫کند‬ ‫ا‬‫ر‬‫اج‬ ‫هایی‬.
•‫بگیرد‬ ‫اختیار‬ ‫در‬ ‫را‬ ‫منابع‬ ‫از‬ ‫استفاده‬ ‫و‬ ‫ها‬ ‫کش‬ ‫دسترسی‬ ‫مدیریت‬ ‫تواند‬ ‫می‬ ‫کش‬ ‫مخزن‬ ‫یک‬.

HDFS Federation‫و‬HA
•HDFS Federation:‫چند‬ ‫بزرگ‬ ‫خیلی‬ ‫کالسترهای‬ ‫در‬ ‫که‬ ‫دهد‬ ‫می‬ ‫را‬ ‫امکان‬ ‫این‬namenode‫هر‬ ‫و‬ ‫باشیم‬ ‫داشته‬
namenode‫بگیرد‬ ‫اختیار‬ ‫در‬ ‫را‬ ‫فایل‬ ‫سیستم‬ ‫نام‬ ‫فضای‬ ‫از‬ ‫قسمتی‬ ‫مدیریت‬.‫یکی‬ ‫مثال‬/user‫کتوری‬‫دایر‬ ‫و‬ ‫ها‬ ‫فایل‬ ‫و‬
‫دیگری‬ ‫و‬ ‫آن‬ ‫درون‬ ‫های‬/share
•HDFS High Availability (HA):‫متادیتای‬ ‫کردن‬ ‫کپی‬ ‫کیب‬‫تر‬namenode‫از‬ ‫استفاده‬ ‫و‬ ‫فایل‬ ‫سیستم‬ ‫چند‬ ‫روی‬
namenode‫ساخت‬ ‫ای‬‫ر‬‫ب‬ ‫ثانویه‬checkpoint‫دادن‬ ‫دست‬ ‫از‬‫ابر‬‫ر‬‫ب‬ ‫در‬ ‫را‬ ‫سیستم‬namenode‫کند‬ ‫می‬ ‫بیمه‬.‫اگر‬ ‫اما‬
namenode‫بازیابی‬ ‫در‬‫تاخیر‬ ‫دلیل‬ ‫به‬ ‫سیستم‬ ‫بیفتد‬ ‫کار‬ ‫از‬namenode(‫تا‬ ‫بزرگ‬ ‫های‬ ‫سیستم‬ ‫در‬ ‫که‬30‫یا‬ ‫دقیقه‬
‫ببرد‬ ‫زمان‬ ‫تواند‬ ‫می‬‫بیشتر‬)‫شود‬ ‫می‬ ‫روبرو‬ ‫بزرگی‬ ‫مشکل‬ ‫با‬.
•Hadoop‫کردن‬ ‫اضافه‬ ‫با‬ ‫را‬ ‫مشکل‬ ‫این‬HA‫جفت‬ ‫یک‬ ‫آن‬ ‫در‬ ‫که‬ ‫است‬ ‫کرده‬ ‫حل‬namenode‫فعال‬ ‫های‬ ‫حالت‬ ‫در‬-‫کار‬ ‫به‬ ‫آماده‬
‫دارند‬ ‫وجود‬.‫که‬ ‫وقتی‬namenode‫شد‬ ‫مشکل‬ ‫دچار‬ ‫فعال‬namenode‫شود‬ ‫می‬ ‫اندازی‬ ‫راه‬ ‫توجه‬ ‫قابل‬‫تاخیر‬ ‫بدون‬ ‫کار‬ ‫به‬ ‫آماده‬.
•‫اندازی‬ ‫راه‬ ‫ای‬‫ر‬‫ب‬HA‫است‬ ‫الزم‬‫زیر‬ ‫ات‬‫ر‬‫تغیی‬ ‫بعضی‬.
•Namenode‫اک‬‫ر‬‫اشت‬ ‫ای‬‫ر‬‫ب‬ ‫اکی‬‫ر‬‫اشت‬ ‫حافظه‬ ‫دارای‬ ‫باید‬edit log‫باشد‬.edit log‫آخرین‬ ‫بازیابی‬ ‫ای‬‫ر‬‫ب‬ ‫افتادگی‬ ‫کار‬ ‫از‬ ‫هنگام‬ ‫در‬
‫وضعیت‬namenode‫شود‬ ‫می‬ ‫استفاده‬ ‫اصلی‬.
•Datanode‫دو‬‫هر‬ ‫به‬ ‫را‬ ‫ها‬ ‫بالک‬ ‫ارش‬‫ز‬‫گ‬ ‫باید‬ ‫ها‬namenode‫بدهند‬.
•Client‫ابی‬‫ر‬‫خ‬ ‫بتوانند‬ ‫باید‬ ‫ها‬namenode‫کنند‬ ‫مدیریت‬ ‫را‬.
•‫اکی‬‫ر‬‫اشت‬ ‫حافظه‬ ‫ای‬‫ر‬‫ب‬ ‫انتخاب‬ ‫دو‬HA‫دارد‬ ‫وجود‬:1-NFS Filer2-QJM

‫کردن‬ ‫قرنطینه‬ ‫و‬ ‫تشخیص‬namenode‫معیوب‬
•Failover:‫یک‬job‫هر‬ ‫در‬ ‫کوچک‬namenode‫ابی‬‫ر‬‫خ‬ ‫تشخیص‬ ‫اش‬ ‫وظیفه‬ ‫که‬ ‫است‬namenode‫است‬.
Failover‫از‬ ‫معموال‬ ‫ها‬ZooKeeper‫شدن‬ ‫معیوب‬ ‫تشخیص‬ ‫ای‬‫ر‬‫ب‬namenode‫کنند‬ ‫می‬ ‫استفاده‬.
•Fencing:‫ناخواسته‬ ‫ات‬‫ر‬‫تغیی‬ ‫ایجاد‬ ‫مانع‬ ‫که‬ ‫است‬ ‫متدی‬namenode‫موجب‬ ‫است‬ ‫ممکن‬ ‫که‬ ‫معیوب‬
‫شود‬ ‫می‬ ،‫گردد‬‫کالستر‬ ‫در‬ ‫مشکل‬.

‫رابط‬Command-Line
•‫اندازی‬ ‫راه‬ ‫از‬ ‫پس‬Hadoop‫با‬ ‫کار‬ ‫ای‬‫ر‬‫ب‬ ‫مختلفی‬ ‫های‬ ‫رابط‬ ‫از‬ ‫توان‬ ‫می‬ ‫سیستم‬ ‫روی‬‫استفاده‬ ‫فایل‬ ‫سیستم‬
‫کرد‬.‫آن‬ ‫ترین‬ ‫مهم‬Command line‫است‬.
•‫فایل‬ ‫سیستم‬ ‫ابتدایی‬ ‫های‬ ‫فرمان‬ ‫از‬ ‫تعدادی‬:
•fs‫فایل‬ ‫سیستم‬ ‫فرمان‬ ‫خط‬Hadoop‫کند‬ ‫می‬ ‫اخوانی‬‫ر‬‫ف‬ ‫را‬‫ج‬ ‫خود‬ ‫در‬ ‫فایل‬ ‫سیستم‬ ‫در‬ ‫کار‬ ‫ای‬‫ر‬‫ب‬ ‫دستور‬‫زیر‬ ‫تعدادی‬ ‫که‬‫ای‬
‫است‬ ‫داده‬.
• % hadoop fs -copyFromLocal input/docs/quangleLocal.txt /user/tom/quangleHDFS.txt
•‫محلی‬‫مسیر‬ ‫از‬ ‫را‬ ‫فایل‬(‫پوشه‬input)‫روی‬ ‫شده‬ ‫تعیین‬ ‫آدرس‬ ‫به‬HDFS‫کند‬ ‫می‬ ‫منتقل‬.
• % hadoop fs -copyToLocal quangleHDFS.txt quangleLocal.txt
•‫کالستر‬ ‫از‬ ‫را‬ ‫فایل‬Hadoop‫کند‬ ‫می‬ ‫کپی‬ ‫محلی‬ ‫فایل‬ ‫سیستم‬ ‫به‬.
• % hadoop fs -mkdir books ‫سازد‬ ‫می‬ ‫فایل‬ ‫سیستم‬ ‫در‬ ‫پوشه‬ ‫یک‬.
• % hadoop fs -ls .
• Found 2 items
• drwxr-xr-x - tom supergroup 0 2014-10-04 13:22 books
• -rw-r--r-- 1 tom supergroup 119 2014-10-04 13:21 quangleHDFS.txt
•‫خروجی‬ ‫در‬ ‫اول‬ ‫ستون‬namenode‫فایل‬ ‫از‬ ‫ها‬ ‫کپی‬ ‫تعداد‬ ‫دوم‬ ‫ستون‬ ،‫کند‬ ‫می‬ ‫مشخص‬ ‫را‬ ‫فایل‬ ‫های‬ ‫دسترسی‬(‫پ‬ ‫ای‬‫ر‬‫ب‬‫وشه‬
‫ها‬‫در‬ ‫چون‬namenode‫است‬ ‫معنی‬ ‫بی‬ ‫ستون‬ ‫این‬ ‫دارند‬ ‫ار‬‫ر‬‫ق‬)‫مشخص‬ ‫را‬ ‫آن‬ ‫گروه‬ ‫و‬‫کاربر‬ ‫چهارم‬ ‫و‬ ‫سوم‬ ‫ستون‬ ،‫کن‬ ‫می‬‫د‬.
‫نام‬ ‫و‬‫تغییر‬ ‫آخرین‬ ‫زمان‬ ‫و‬ ‫تاریخ‬ ،‫بایت‬ ‫به‬ ‫اندازه‬ ‫ها‬ ‫ستون‬ ‫بقیه‬‫پوشه‬-‫کند‬ ‫می‬ ‫مشخص‬ ‫را‬ ‫فایل‬.

‫فایل‬ ‫سیستم‬ ‫های‬ ‫دسترسی‬
•‫یک‬ ‫پوشه‬ ‫یا‬ ‫فایل‬‫هر‬owner،group‫و‬mode‫دارد‬.mode‫کاربر‬ ‫ای‬‫ر‬‫ب‬ ‫که‬ ‫است‬ ‫هایی‬ ‫دسترسی‬ ‫مجموعه‬
‫هستند‬ ‫مالک‬ ‫کاربری‬ ‫گروه‬ ‫عضو‬ ‫نه‬ ‫و‬ ‫هستند‬ ‫مالک‬ ‫نه‬ ‫که‬ ‫انی‬‫ر‬‫کارب‬ ‫و‬ ‫مالک‬ ‫کاربری‬ ‫گروه‬ ،‫مالک‬‫نظر‬ ‫در‬
‫شود‬ ‫می‬ ‫گرفته‬.
•‫است‬ ‫آمده‬‫زیر‬ ‫جدول‬ ‫در‬ ‫ها‬ ‫پوشه‬ ‫و‬ ‫فایل‬ ‫های‬ ‫دسترسی‬:
‫پوشه‬ ‫فایل‬ ‫دسترسی‬
‫پوشه‬ ‫محتویات‬ ‫خواندن‬ ‫فایل‬ ‫خواندن‬ ‫خواندن‬(r)
‫پو‬ ‫های‬ ‫فایل‬ ‫کردن‬ ‫اضافه‬ ‫و‬ ‫حذف‬‫شه‬ ‫نوشتن‬‫فای‬ ‫در‬‫ل‬ ‫نوشتن‬(w)
‫فرزندان‬ ‫به‬ ‫دسترسی‬ ‫وجود‬‫ندارد‬ ‫کردن‬ ‫ا‬‫ر‬‫اج‬(x)

‫فایل‬ ‫های‬ ‫سیستم‬Hadoop
•Hadoop‫که‬ ‫است‬ ‫کرده‬ ‫تعریف‬ ‫فایل‬ ‫سیستم‬ ‫نوع‬ ‫چند‬HDFS‫است‬ ‫آن‬ ‫نمونه‬ ‫یک‬ ‫تنها‬.
•Hadoop‫قالب‬ ‫از‬URI‫کند‬ ‫می‬ ‫استفاده‬ ‫فایل‬ ‫سیستم‬ ‫کردن‬ ‫پیدا‬ ‫ای‬‫ر‬‫ب‬.‫کرد‬ ‫لیست‬ ‫ای‬‫ر‬‫ب‬ ‫مثال‬‫های‬ ‫فایل‬ ‫ن‬
root‫کنیم‬ ‫می‬ ‫وارد‬ ‫را‬‫زیر‬ ‫دستور‬ ‫محلی‬ ‫دیسک‬ ‫روی‬:
• % hadoop fs –ls file:///

‫فایل‬ ‫های‬ ‫سیستم‬Hadoop
‫توضیحات‬ ‫پیاده‬‫سازی‬Java(‫تحت‬org.apache.hadoop) ‫قالب‬URI ‫فایل‬ ‫سیستم‬
‫سیستم‬‫کنترل‬ ‫با‬ ‫محلی‬ ‫دیسک‬ ‫ای‬‫ر‬‫ب‬ ‫فایلی‬checksum‫محلی‬ fs.LocalFileSystem file Local
‫توزیع‬ ‫فایل‬ ‫سیستم‬‫شده‬Hadoop.‫با‬ ‫شده‬ ‫هماهنگ‬MapReduce hdfs.DistributedFileSystem hdfs HDFS
‫سیستم‬‫از‬ ‫خواندن‬ ‫امکان‬ ‫که‬ ‫فایلی‬HDFS‫کند‬ ‫می‬ ‫اهم‬‫ر‬‫ف‬ ‫را‬ ‫هویت‬ ‫از‬‫ر‬‫اح‬ ‫امکان‬ ‫با‬. hdfs.web.WebHdfsFileSystem webhdfs WebHDFS
‫نسخه‬HTTPS‫از‬WebHDFS hdfs.web.SWebHdfsFileSystem swebhdfs Secure WebHDFS
‫سیستم‬‫را‬ ‫ها‬ ‫فایل‬ ‫و‬ ‫شود‬ ‫می‬ ‫سوار‬ ‫دیگری‬ ‫فایل‬ ‫سیستم‬ ‫روی‬ ‫که‬ ‫فایلی‬‫کاستن‬ ‫ای‬‫ر‬‫ب‬
‫توسط‬ ‫شده‬ ‫استفاده‬ ‫حافظه‬ ‫از‬namenode‫کند‬ ‫می‬ ‫آرشیو‬.
fs.HarFileSystem har HAR
‫یک‬‫فایل‬ ‫های‬ ‫سیستم‬‫سایر‬ ‫ای‬‫ر‬‫ب‬ ‫کالینت‬ ‫سمت‬ ‫اتصال‬ ‫جدول‬Hadoop.‫معموال‬
‫به‬ ‫اتصال‬ ‫نقطه‬ ‫ساختن‬ ‫ای‬‫ر‬‫ب‬Federated namenode‫می‬ ‫استفاده‬‫شود‬.
viewfs.ViewFileSystem viewfs View
‫با‬ ‫که‬ ‫فایلی‬ ‫سیستم‬FTP‫شود‬ ‫می‬ ‫گردانده‬‫بر‬ fs.ftp.FTPFileSystem ftp FTP
‫سیستم‬‫فایل‬Amazon S3 fs.s3a.S3AFileSystem s3a S3
‫سیستم‬‫فایل‬Microsoft Azure fs.azure.NativeAzureFileSystem wasb Azure
‫سیستم‬‫فایل‬OpenStack Swift fs.swift.snative.SwiftNativeFileSystem swift Swift

‫رابط‬
1
‫های‬HDFS
•Hadoop‫است‬ ‫شده‬ ‫نوشته‬ ‫جاوا‬ ‫به‬.
•‫های‬ ‫رابط‬‫در‬ ‫زیادی‬Hadoop‫به‬ ‫دسترسی‬ ‫ای‬‫ر‬‫ب‬HDFS‫اند‬ ‫شده‬ ‫نوشته‬.
•HTTP:‫به‬ ‫دسترسی‬ ‫امکان‬ ‫جاوا‬‫غیر‬ ‫های‬ ‫برنامه‬ ‫به‬ ‫که‬ ‫است‬ ‫رابطی‬HDFS‫پروتکل‬ ‫طریق‬ ‫از‬ ‫را‬
HDFS REST API‫دهد‬ ‫می‬.‫به‬ ‫دسترسی‬ ‫ای‬‫ر‬‫ب‬ ‫راه‬ ‫دو‬HDFS‫طریق‬ ‫از‬HTTP‫دارد‬ ‫وجود‬.
•‫مستقیم‬:‫زمینه‬ ‫پس‬ ‫های‬ ‫پردازش‬(daemons)HDFS‫های‬ ‫درخواست‬ ‫مستقیم‬ ‫صورت‬ ‫به‬HTTP‫رسیدگی‬ ‫را‬
‫کنند‬ ‫می‬.
•‫غیرمستقیم‬:‫طریق‬ ‫از‬proxy.
•C:Hadoop‫کتابخانه‬ ‫یک‬C‫نام‬ ‫به‬libfs‫به‬ ‫دسترسی‬ ‫ای‬‫ر‬‫ب‬HDFS‫فایل‬ ‫های‬ ‫سیستم‬‫سایر‬ ‫و‬
Hadoop‫از‬ ‫که‬ ‫است‬ ‫کرده‬ ‫اهم‬‫ر‬‫ف‬
2
JNI‫فایل‬ ‫سیستم‬ ‫اخوانی‬‫ر‬‫ف‬ ‫ای‬‫ر‬‫ب‬client‫کند‬ ‫می‬ ‫استفاده‬ ‫جاوا‬.
‫همچنین‬libwebhdfs‫رابط‬ ‫از‬ ‫که‬webhdfs‫است‬ ‫شده‬ ‫معرفی‬ ،‫کند‬ ‫می‬ ‫استفاده‬.1 Interface

‫رابط‬Java
•‫فایل‬ ‫های‬ ‫سیستم‬ ‫ای‬‫ر‬‫ب‬ ‫شده‬ ‫شخصی‬ ‫کدهای‬ ‫جاوا‬ ‫کاربری‬ ‫رابط‬ ‫از‬ ‫استفاده‬ ‫با‬ ‫توان‬ ‫می‬Hadoop‫نوشت‬.
•‫دستور‬‫زیر‬ ‫مثال‬cat‫در‬ ‫فایل‬ ‫یک‬ ‫محتویات‬ ‫نمایش‬ ‫ای‬‫ر‬‫ب‬HDFS‫استاندار‬ ‫استریم‬ ‫به‬ ‫فایل‬ ‫اتصال‬ ‫طریق‬ ‫از‬ ‫را‬‫د‬
‫کند‬ ‫می‬ ‫سازی‬ ‫پیاده‬ ‫را‬ ‫خروجی‬.
•‫دستور‬ ‫از‬ ‫استفاده‬ ‫با‬ ‫جاوا‬URL.setURLStreamHandlerFactory(new FsUrlStreamHandlerFactory());‫فایل‬ ‫سیستم‬
HDFS‫بالک‬ ‫در‬ ‫را‬ ‫آن‬ ‫دلیل‬ ‫همین‬ ‫به‬ ‫پذیرد‬ ‫انجام‬ ‫یکبار‬ ‫باید‬ ‫اخوانی‬‫ر‬‫ف‬ ‫این‬ ،‫شناسد‬ ‫می‬ ‫را‬static‫ایم‬ ‫داده‬ ‫ار‬‫ر‬‫ق‬.
• % export HADOOP_CLASSPATH=hadoop-examples.jar ‫فرمان‬ ‫خط‬ ‫در‬ ‫اخوانی‬‫ر‬‫ف‬:
• % hadoop URLCat hdfs://localhost/user/tom/quangle.txt
1
1
Source codes at: https://github.com/tomwhite/hadoop-book

‫فایل‬ ‫خواندن‬ ‫ساختار�Ĭ

‫فایل‬ ‫خواندن‬ ‫ساختار�Ĭ
1-‫تابع‬ ‫زدن‬ ‫صدا‬ ‫با‬ ‫کالینت‬open()‫شی‬ ‫در‬FileSystem‫زند‬ ‫می‬ ‫صدا‬ ‫را‬ ‫بخواند‬ ‫میخواهد‬ ‫که‬ ‫را‬ ‫فایلی‬ ،.
2-DistributedFileSystem،namenode‫طریق‬ ‫از‬ ‫را‬RPC
1
‫می‬ ‫صدا‬ ‫فایل‬ ‫های‬ ‫بالک‬ ‫اولین‬ ‫مکان‬ ‫کردن‬ ‫مشخص‬ ‫ای‬‫ر‬‫ب‬
‫زند‬.،‫بالک‬‫هر‬ ‫ای‬‫ر‬‫ب‬namenode‫آدرس‬datanode‫گرداند‬ ‫برمی‬ ‫را‬ ‫دارند‬ ‫را‬ ‫بالک‬ ‫آن‬ ‫از‬ ‫کپی‬ ‫یک‬ ‫که‬ ‫هایی‬.
3-DistributedFileSystem‫یک‬FSDataInputStream‫گرداند‬ ‫می‬‫بر‬ ‫فایل‬ ‫خواندن‬ ‫ای‬‫ر‬‫ب‬ ‫کالینت‬ ‫به‬ ‫را‬.
4-‫کالینت‬read()‫زند‬ ‫می‬ ‫صدا‬ ‫استریم‬ ‫روی‬ ‫را‬.‫طریق‬ ‫از‬ ‫و‬DFSInputStream‫ترین‬ ‫نزدیک‬ ‫به‬datanode‫می‬ ‫وصل‬
‫شود‬.
5-،‫رسیم‬ ‫می‬ ‫بالک‬ ‫انتهای‬ ‫به‬ ‫وقتی‬DFSInputStream‫به‬ ‫اتصال‬datanode‫بهترین‬ ‫سپس‬ ‫و‬ ‫بندد‬ ‫می‬ ‫را‬datanode‫را‬
‫کند‬ ‫می‬ ‫پیدا‬ ‫بعدی‬ ‫بالک‬ ‫ای‬‫ر‬‫ب‬.
6-،‫کرد‬ ‫تمام‬ ‫را‬ ‫خواندن‬ ‫کالینت‬ ‫که‬ ‫وقتی‬close()‫از‬ ‫را‬FSDataInputStream‫زند‬ ‫می‬ ‫صدا‬.
•‫خواندن‬ ‫طول‬ ‫در‬‫اگر‬DFSInputStream‫از‬ ‫خواندن‬ ‫در‬ ‫خطایی‬ ‫با‬datanode‫می‬ ‫بازیابی‬ ‫را‬ ‫بعدی‬ ‫بالک‬ ‫ترین‬ ‫نزدیک‬ ،‫شد‬ ‫مواجه‬
‫از‬ ‫و‬ ‫کند‬datanode‫کند‬ ‫می‬‫صرفنظر‬ ‫بعدی‬ ‫های‬ ‫بالک‬ ‫ای‬‫ر‬‫ب‬ ‫است‬ ‫شده‬ ‫مواجه‬ ‫خطا‬ ‫با‬ ‫که‬ ‫ی‬.
•DFSInputStream،checksum‫کند‬ ‫می‬ ‫چک‬‫نیز‬ ‫را‬ ‫بالک‬.‫از‬ ‫دیگری‬ ‫کپی‬ ‫کند‬ ‫می‬ ‫سعی‬ ‫شد‬ ‫یافت‬ ‫ابی‬‫ر‬‫خ‬ ‫بالک‬‫اگر‬datanode
‫به‬ ‫را‬ ‫ابی‬‫ر‬‫خ‬ ‫و‬ ‫بخواند‬namenode‫کند‬ ‫ارش‬‫ز‬‫گ‬.
1
Remote Procedure Call

‫ای‬ ‫شبکه‬ ‫توپولوژی‬Hadoop
•Hadoop‫ترین‬ ‫نزدیک‬ ‫کند‬ ‫می‬ ‫سعی‬node‫را‬‫خواندن‬ ‫ای‬‫ر‬‫ب‬‫بالک‬‫کند‬ ‫معرفی‬.‫منظور‬ ‫بدین‬Hadoop
‫کند‬ ‫می‬ ‫تقسیم‬‫زیر‬ ‫های‬ ‫دسته‬ ‫به‬ ‫را‬ ‫ها‬ ‫پردازش‬:
•1-‫یک‬ ‫به‬ ‫متعلق‬ ‫های‬ ‫پردازش‬node.
•2-node‫یک‬ ‫مختلف‬ ‫های‬rack.
•3-node‫با‬ ‫هایی‬rack‫متفاوت‬.
•4-node‫متفاوت‬‫دیتاسنتر‬ ‫با‬ ‫هایی‬(Hadoop‫ندارد‬ ‫را‬ ‫قابلیت‬ ‫این‬ ‫هنوز‬.)

‫فایل‬ ‫در‬ ‫نوشتن‬ ‫ساختار�Ĭ

‫فایل‬ ‫در‬ ‫نوشتن‬ ‫ساختار�Ĭ
1-‫زدن‬ ‫صدا‬ ‫با‬ ‫را‬ ‫فایل‬ ‫کالینت‬create()‫از‬DistributedFileSystem‫سازد‬ ‫می‬.DistributedFileSystem‫یک‬RPC‫صدا‬ ‫ای‬‫ر‬‫ب‬ ‫را‬
‫زدن‬namenode‫در‬ ‫جدیدی‬ ‫فایل‬ ‫که‬ ‫سازد‬ ‫می‬namespace‫بسازد‬.
2-namenode‫س‬ ‫اجازه‬ ‫کالینت‬ ‫و‬ ‫است‬ ‫نداشته‬ ‫وجود‬ ‫قبل‬ ‫از‬ ‫فایل‬ ‫که‬ ‫شود‬ ‫مطمئن‬ ‫تا‬ ‫دهد‬ ‫می‬ ‫انجام‬ ‫مختلفی‬ ‫های‬ ‫بررسی‬‫اخت‬
‫دارد‬ ‫را‬ ‫فایل‬.DistributedFileSystem‫یک‬FSDataOutputStream‫گرداند‬ ‫می‬‫بر‬ ‫اطالعات‬ ‫نوشتن‬ ‫ای‬‫ر‬‫ب‬ ‫کالینت‬ ‫به‬ ‫را‬.
3-‫نویسد‬ ‫می‬ ‫را‬ ‫ها‬ ‫داده‬ ‫کالینت‬ ‫که‬ ‫وقتی‬DFSOutputStream‫ن‬ ‫به‬ ‫داخلی‬ ‫صف‬ ‫یک‬ ‫در‬ ‫که‬ ‫کند‬ ‫می‬ ‫تقسیم‬ ‫هایی‬ ‫بسته‬ ‫به‬ ‫را‬ ‫آن‬‫ام‬
data queue‫شود‬ ‫می‬ ‫نوشته‬.Data queue‫توسط‬DataStreamer‫از‬ ‫لیستی‬ ‫که‬ ‫شود‬ ‫می‬ ‫خوانده‬datanode‫ای‬‫ر‬‫ب‬ ‫مناسب‬ ‫های‬
‫دهد‬ ‫می‬ ‫را‬ ‫ها‬ ‫کپی‬ ‫داری‬ ‫نگه‬.
4-‫لیست‬datanode‫یک‬ ‫ها‬pipeline‫سازد‬ ‫می‬ ‫را‬.‫تعداد‬datanode‫های‬pipeline‫ار‬‫ر‬‫تک‬ ‫درجه‬ ‫اندازه‬ ‫به‬(replication level)
‫فرض‬ ‫پیش‬ ‫طور‬ ‫به‬ ‫که‬ ‫است‬3‫است‬.‫اولین‬ ‫از‬ ‫سپس‬datanode‫در‬pipeline‫شود‬ ‫می‬ ‫استریم‬ ‫آن‬ ‫آخرین‬ ‫تا‬.‫به‬ ‫دومی‬ ،‫دومی‬ ‫به‬ ‫اولی‬
‫و‬ ‫سومی‬...
5-DFSOutputStream‫صف‬ ‫یک‬ack‫توسط‬ ‫شدن‬ ‫شناخته‬‫منتظر‬ ‫که‬ ‫هایی‬ ‫بسته‬ ‫لیست‬ ‫آن‬ ‫در‬ ‫که‬ ‫سازد‬ ‫می‬datanode‫هستند‬ ‫ها‬
‫شود‬ ‫می‬ ‫وارد‬.‫لیست‬ ‫از‬ ‫صورتی‬ ‫در‬ ‫بسته‬ ‫یک‬ack‫تمام‬ ‫توسط‬ ‫که‬ ‫شود‬ ‫می‬ ‫حذف‬datanode‫های‬pipeline‫باشد‬ ‫شده‬ ‫شناسایی‬.
6-‫کند‬ ‫می‬ ‫تمام‬ ‫را‬ ‫ها‬ ‫داده‬ ‫نوشتن‬ ‫کالینت‬ ‫که‬ ‫وقتی‬close()‫کند‬ ‫می‬ ‫اخوانی‬‫ر‬‫ف‬ ‫استریم‬ ‫روی‬ ‫را‬.
7-‫روی‬ ‫باقیمانده‬ ‫های‬ ‫بسته‬ ‫تمام‬ ‫عمل‬ ‫این‬pipeline‫به‬ ‫مربوط‬datanode‫به‬ ‫را‬datanode‫بسته‬ ‫شدن‬ ‫شناخته‬‫منتظر‬ ‫و‬ ‫فرستد‬ ‫می‬
‫با‬ ‫ارتباط‬ ‫از‬ ‫قبل‬ ‫ها‬namenode‫شود‬ ‫می‬ ‫فایل‬ ‫تکمیل‬ ‫اعالن‬ ‫ای‬‫ر‬‫ب‬.Namenode‫اند‬ ‫شده‬ ‫ساخته‬ ‫هایی‬ ‫بالک‬ ‫چه‬ ‫داند‬ ‫می‬ ‫قبل‬ ‫از‬.

‫بالک‬ ‫ار‬‫ر‬‫تک‬ ‫سیاست‬
•‫همان‬ ‫در‬ ‫معموال‬ ‫بالک‬ ‫اولین‬node‫کالس‬ ‫از‬ ‫خارج‬ ‫کالینت‬‫اگر‬ ‫یا‬ ‫است‬ ‫فرستاده‬ ‫را‬ ‫نوشتن‬ ‫درخواست‬ ‫که‬ ‫شود‬ ‫می‬ ‫نوشته‬ ‫ی‬‫بود‬‫تر‬
‫یک‬ ‫در‬node‫شود‬ ‫می‬ ‫نوشته‬ ‫تصادفی‬.
•‫در‬ ‫دوم‬ ‫بالک‬rack‫از‬‫غیر‬ ‫دیگری‬rack‫اولین‬node‫شود‬ ‫می‬ ‫نوشته‬.
•‫در‬ ‫سوم‬ ‫بالک‬node‫از‬ ‫تصادفی‬rack‫به‬ ‫مربوط‬node‫شود‬ ‫می‬ ‫نوشته‬ ‫دوم‬.
•‫در‬ ‫بعد‬ ‫های‬ ‫بالک‬node‫شود‬ ‫می‬ ‫نوشته‬‫کالستر‬ ‫روی‬ ‫تصادفی‬ ‫های‬.

‫موازی‬ ‫کپی‬
•‫دستور‬ ‫از‬ ‫توان‬ ‫می‬distcp‫موازی‬ ‫کپی‬ ‫ای‬‫ر‬‫ب‬(‫نخی‬ ‫چند‬)‫کرد‬ ‫استفاده‬.‫کر‬ ‫کپی‬ ‫ای‬‫ر‬‫ب‬ ‫دستور‬ ‫این‬ ‫از‬ ‫توان‬ ‫می‬ ‫مثال‬ ‫ای‬‫ر‬‫ب‬‫فایل‬ ‫دن‬
‫کرد‬ ‫استفاده‬‫زیر‬ ‫شیوه‬ ‫به‬ ‫ها‬ ‫پوشه‬ ‫های‬:
• % hadoop distcp dir1 dir2
•‫از‬distcp‫شود‬ ‫می‬ ‫استفاده‬ ‫گرفتن‬ ‫آپ‬ ‫بک‬ ‫یا‬ ‫کالسترها‬ ‫بین‬ ‫اطالعات‬ ‫انتقال‬ ‫ای‬‫ر‬‫ب‬ ‫معموال‬.
• % hadoop distcp -update -delete -p hdfs://namenode1/foo hdfs://namenode2/foo
•Hadoop‫باش‬ ‫شده‬ ‫توزیع‬ ‫یکنواخت‬ ‫صورت‬ ‫به‬‫کالستر‬‫تاسر‬‫ر‬‫س‬ ‫در‬ ‫ای‬ ‫داده‬ ‫های‬ ‫بالک‬ ‫که‬ ‫کند‬ ‫می‬ ‫عمل‬ ‫بهینه‬ ‫زمانی‬‫ند‬.

‫منابع‬
• White, Tom. Hadoop: The definitive guide, 4th edition. " O'Reilly Media, Inc.", 2015.

�ݺ�ߣ

سیستم فایل HDFS

Recommended

More Related Content

What's hot (8)

Similar to سیستم فایل HDFS (20)

سیستم فایل HDFS