Hadoop之NameNode元数据相关文件目录解析

peiyuan1030

　　下面所有的内容是针对Hadoop 2.x版本进行说明的，Hadoop 1.x和这里有点不一样。
　　在第一次部署好Hadoop集群的时候，我们需要在NameNode（NN）节点上格式化磁盘：
ubuntu@ubuntu hadoop-2.2.0]$  $HADOOP_HOME/bin/hdfs namenode -format　　格式化完成之后，将会在$dfs.namenode.name.dir/current目录下如下的文件结构
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：
name=dfs.namenode.name.dir　　
value=file://${hadoop.tmp.dir}/dfs/name
　　其中的hadoop.tmp.dir是在core-site.xml中配置的，默认值如下:
name=hadoop.tmp.dir　　
value=/tmp/hadoop-${user.name}
　　dfs.namenode.name.dir属性可以配置多个目录，如/data1/dfs/name,/data2/dfs/name, /data3/dfs/name,….。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。
　　1、VERSION文件是Java属性文件，内容大致如下：
#Fri Nov 15 19:47:46 CST 2013　　
namespaceID=934548976
　　
clusterID=CID-cdff7d73-93cd-4783-9399-0a22e6dce196
　　
cTime=0
　　
storageType=NAME_NODE
　　
blockpoolID=BP-893790215-192.168.24.72-1383809616115
　　
layoutVersion=-47
　　其中
　　（1）、namespaceID是文件系统的唯一标识符，在文件系统首次格式化之后生成的；
　　（2）、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）；
　　（3）、cTime表示NameNode存储时间的创建时间，由于我的NameNode没有更新过，所以这里的记录值为0，以后对NameNode升级之后，cTime将会记录更新时间戳；
　　（4）、layoutVersion表示HDFS永久性数据结构的版本信息， 只要数据结构变更，版本号也要递减，此时的HDFS也需要升级，否则磁盘仍旧是使用旧版本的数据结构，这会导致新版本的NameNode无法使用；
　　（5）、clusterID是系统生成或手动指定的集群ID，在-clusterid选项中可以使用它；如下说明
　　a、使用如下命令格式化一个Namenode：
$HADOOP_HOME/bin/hdfs namenode -format [-clusterId ]　　选择一个唯一的cluster_id，并且这个cluster_id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。
　　b、使用如下命令格式化其他Namenode：
$HADOOP_HOME/bin/hdfs namenode -format -clusterId　　c、升级集群至最新版本。在升级过程中需要提供一个ClusterID，例如：
$HADOOP_PREFIX_HOME/bin/hdfs start namenode　　
          --config $HADOOP_CONF_DIR  -upgrade -clusterId
　　如果没有提供ClusterID，则会自动生成一个ClusterID。
　　（6）、blockpoolID：是针对每一个Namespace所对应的blockpool的ID，上面的这个BP- 893790215-192.168.24.72-1383809616115就是在我的ns1的namespace下的存储块池的ID，这个ID包括了 其对应的NameNode节点的ip地址。
　　2、$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，不然会发生建置namenode时metaData的资料有缺少，导致误删Datanode上多余Block的资讯。
　　3、$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。fsimage和edits是Hadoop元数据相关的重要文件，我打算在下一篇文章中fsimage和edits存储的内容和他 们之间的关系进行说明，请关注本博客。