hdfs原理_大数据系统

hdfs笔记

0.书写思路
1.产生背景
2.优缺点
- 1.优点
- 2.缺点
3.组成架构
- 1.namenode
- 2.datenode
- 3.clicent
- 4.secondarynamenode
4.文件块大小的设置
5.shell操作
- 1.基本语法
- 2.常见命令
6.javaAPI
7.hdfs写数据
8.hdfs读流程
9.nn 和 2nn
- 1.nn和2nn的工作机制
- 1.namenode启动
- 2.2nn工作
- 3.fsimage和edits解析
- 4.checkPoint时间设置
- 5.nn故障处理
- 6. 集群安全模式
- - 1.namenode启动
  - 2.datanode启动
  - 3.安全模式退出判断
- 7. NameNode多目录配置(了解)
10.datanode
- 1.工作机制
- 2.数据可靠性
- 3.掉线时限参数设置
- 4.节点的增加于减少

0.书写思路

产生背景(为了解决说明问题)
优缺点
组成架构
运行机制： client->nn(2nn)->dn

1.产生背景

随着数据量越来越大，在一个操作系统下无法存储所有的数据，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，所以迫切需要**一种系统来管理多台机器上的文件。**这就是分布式文件管理系统，hdfs只是其中的一种

2.优缺点 1.优点

高容错性
体现在副本策略
适合处理大数据
因为是分布式
可构建在廉价机器上，通过多副本机制，提高可靠性

2.缺点

不适合低延时数据访问，不然毫秒级存储
无法高效的对大量小文件进行存储
1）存储大量小文件的话，会占用namenode大量的内存来存储他们的元数据信息。但namenode的内存总是有限的
2）会使寻址时间大于读取时间
不支持并发写入，和文件的随机修改
1）一个文件自能有一个写，不允许多个线程写
2）对于文件自能进行追加写

3.组成架构 1.namenode

1) 管理hdfs的名称空间
2）处理客户端的读写请求
3）配置副本策略
4）管理block的映射信息（block是存储在datanode的）

2.datenode

1）存储实际的block
2）执行block的读写请求

3.clicent

1）文件切分
2）与namenode交互，获取文件位置信息
3）与datanode交互，读取或写入数据
4）提供一些命令来管理hdfs，如namedoe格式化
5）提供一下命名访问hdfs，如增删改查操作

4.secondarynamenode

1）辅助namenode，如定期合并fsimage和edits文件并推送给namenode
2）在紧急情况下，可辅助恢复namenode

4.文件块大小的设置

1）hadoop3.x版本默认是128M，之前是64M
2）hdfs文件快大小主要取决于磁盘传输速率
原因

5.shell操作 1.基本语法

hadoop fs 具体命令

2.常见命令

1）-ls: 显示目录信息
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /
2）-mkdir：在HDFS上创建目录
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir -p /sanguo/shuguo
3）-cat：显示文件内容
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo/kongming.txt
4）-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -chmod 666 /sanguo/shuguo/kongming.txt
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -chown atguigu:atguigu /sanguo/shuguo/kongming.txt
5）-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt
6）-mv：在HDFS目录中移动文件
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/
7）-tail：显示一个文件的末尾1kb的数据
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /sanguo/shuguo/kongming.txt
8）-rm：删除文件或文件夹
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /user/atguigu/test/jinlian2.txt
9）-rmdir：删除空目录
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /test
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -rmdir /test
10）-du统计文件夹的大小信息
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /user/atguigu/test
2.7 K /user/atguigu/test

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -du -h /user/atguigu/test
1.3 K /user/atguigu/test/README.txt
15 /user/atguigu/test/jinlian.txt
1.4 K /user/atguigu/test/zaiyiqi.txt
11）-setrep：设置HDFS中文件的副本数量
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt

这里设置的副本数只是记录在NameNode的元数据中，是否真的会有这么多副本，还得看DataNode的数量。因为目前只有3台设备，最多也就3个副本，只有节点数的增加到10台时，副本数才能达到10。

6.javaAPI

1.配置hadoop环境变量
2.创建maven工程
3.导入依赖`


    junit
    junit
    4.12


    org.apache.logging.log4j
    log4j-slf4j-impl
    2.12.0


    org.apache.hadoop
    hadoop-client
    3.1.3

在项目的src/main/resources目录下，新建一个文件，命名为“log4j2.xml”，在文件中填入

7.hdfs写数据

client向namenode请求上传文件
namenode响应可以上传文件
client请求上传第一个block，请求返回datanode
namenode返回dn1,dn2,dn3表示用这3个节点存储数据（就近原则）
client向这三个节点依次请求建立传输通道
client->dn1->dn2->dn3 这样调用
三个节点依次响应成功
传输数据
当第一个block传输完成之后，client再次向namenode请求上传第二个block（循环3—7）
client向namenode回应传输完成

就近原则：
计算机网络的知识网络拓扑

传输数据：
client传输给dn1，就可以了dn1会把数据拷贝给dn2，dn3.

8.hdfs读流程

client 通过 DistributedFileSystem向NameNode请求下载文件namenode通过查询元数据，找到文件块所对应的datanode地址
挑选一台datanode读取数据（就近原则）
DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet为单位来做校验）。
客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。

9.nn 和 2nn 1.nn和2nn的工作机制

思考：NameNode中的元数据是存储在哪里的？
首先，我们做个假设，如果存储在NameNode节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的FsImage。
这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新FsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦NameNode节点断电，就会产生数据丢失。因此，引入Edits文件(只进行追加操作，效率很高)。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到Edits中。这样，一旦NameNode节点断电，可以通过FsImage和Edits的合并，合成元数据。
但是，如果长时间添加数据到Edits中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。因此，需要定期进行FsImage和Edits的合并，如果这个操作由NameNode节点完成，又会效率过低。因此，引入一个新的节点SecondaryNamenode，专门用于FsImage和Edits的合并。

1.namenode启动

第一次启动namenode格式化后，创建fsimage，edits文件。如果不是第一次启动，那么会将，fsimage和edits加载到内存（合并完成前，hdfs会进入安全模式）
客户端对元数据继续增删改的请求
namenode将这些请求写入edits文件中
namenode在内存中完成对元数据的增删改操作

2.2nn工作

2nn询问nn是否需要checkPoint，直接带回检查结果
2nn请求执行checkPoint
nn滚动正在写的edits文件
将滚动前的edits文件和fsimage文件拷贝到2nn
2nn将edits和fsimage文件加载内存，进行合并
生成新的fsimage.chenkPoint文件
将此文件拷贝给nn
nn将文件重命名为fsimage

NN和2NN工作机制详解：
Fsimage：NameNode内存中元数据序列化后形成的文件。
Edits：记录客户端更新元数据信息的每一步操作（可通过Edits运算出元数据）。
NameNode启动时，先滚动Edits并生成一个空的edits.inprogress，然后加载Edits和Fsimage到内存中，此时NameNode内存就持有最新的元数据信息。Client开始对NameNode发送元数据的增删改的请求，这些请求的操作首先会被记录到edits.inprogress中（查询元数据的操作不会被记录在Edits中，因为查询操作不会更改元数据信息），如果此时NameNode挂掉，重启后会从Edits中读取元数据的信息。然后，NameNode会在内存中执行元数据的增删改的操作。
由于Edits中记录的操作会越来越多，Edits文件会越来越大，导致NameNode在启动加载Edits时会很慢，所以需要对Edits和Fsimage进行合并（所谓合并，就是将Edits和Fsimage加载到内存中，照着Edits中的操作一步步执行，最终形成新的Fsimage）。SecondaryNameNode的作用就是帮助NameNode进行Edits和Fsimage的合并工作。
SecondaryNameNode首先会询问NameNode是否需要CheckPoint（触发CheckPoint需要满足两个条件中的任意一个，定时时间到和Edits中数据写满了）。直接带回NameNode是否检查结果。SecondaryNameNode执行CheckPoint操作，首先会让NameNode滚动Edits并生成一个空的edits.inprogress，滚动Edits的目的是给Edits打个标记，以后所有新的操作都写入edits.inprogress，其他未合并的Edits和Fsimage会拷贝到SecondaryNameNode的本地，然后将拷贝的Edits和Fsimage加载到内存中进行合并，生成fsimage.chkpoint，然后将fsimage.chkpoint拷贝给NameNode，重命名为Fsimage后替换掉原来的Fsimage。NameNode在启动时就只需要加载之前未合并的Edits和Fsimage即可，因为合并过的Edits中的元数据信息已经被记录在Fsimage中。

3.fsimage和edits解析

1）oiv查看Fsimage文件
（1）查看oiv和oev命令
[atguigu@hadoop102 current]$ hdfs
oiv apply the offline fsimage viewer to an fsimage
oev apply the offline edits viewer to an edits file
（2）基本语法
hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径
（3）案例实操
[atguigu@hadoop102 current]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/name/current

[atguigu@hadoop102 current]$ hdfs oiv -p XML -i
fsimage_0000000000000000025 -o /opt/module/hadoop-3.1.3/fsimage.xml

[atguigu@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/fsimage.xml
将显示的xml文件内容拷贝到IDEA中创建的xml文件中，并格式化。部分显示结果如下。 16386
DIRECTORY user
1512722284477
atguigu:supergroup:rwxr-xr-x
-1 -1
16387 DIRECTORY atguigu
1512790549080
atguigu:supergroup:rwxr-xr-x
-1 -1
16389 FILE wc.input
3 1512722322219
1512722321610
134217728
atguigu:supergroup:rw-r–r--
1073741825 1001
59
思考：可以看出，Fsimage中没有记录块所对应DataNode，为什么？
在集群启动后，要求DataNode上报数据块信息，并间隔一段时间后再次上报。 2）oev查看Edits文件（1）基本语法 hdfs oev
-p 文件类型 -i编辑日志 -o 转换后文件输出路径（2）案例实操 [atguigu@hadoop102 current]$ hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o
/opt/module/hadoop-3.1.3/edits.xml

[atguigu@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/edits.xml
将显示的xml文件内容拷贝到Eclipse中创建的xml文件中，并格式化。显示结果如下。 encoding=“UTF-8”?> -63
OP_START_LOG_SEGMENT
129
OP_ADD 130
0 16407
/hello7.txt 2
1512943607866 1512943607866
134217728
DFSClient_NONMAPREDUCE_-1544295051_1
192.168.1.5
true
atguigu
supergroup
420 908eafd4-9aec-4288-96f1-e8011d181561
0
OP_ALLOCATE_BLOCK_ID 131
1073741839
OP_SET_GENSTAMP_V2 132
1016
OP_ADD_BLOCK 133
/hello7.txt
1073741839
0
1016 -2
OP_CLOSE
134 0 0
/hello7.txt 2
1512943608761 1512943607866
134217728
false

1073741839
25
1016
atguigu
supergroup
420

4.checkPoint时间设置

checkPoint触发条件：
1. 时间到了
2. 操作次数达到一定条件

	[hdfs-default.xml]

  dfs.namenode.checkpoint.period
  3600s

2）一分钟检查一次操作次数，当操作次数达到1百万时，SecondaryNameNode执行一次。

  dfs.namenode.checkpoint.txns
  1000000
操作动作次数



  dfs.namenode.checkpoint.check.period
  60s
 1分钟检查一次操作次数

5.nn故障处理

nn存储数据路径
/opt/module/hadoop-3.1.3/data/tmp/dfs/name
2nn存储数据路径
/opt/module/hadoop-3.1.3/data/dfs/namesecondary/*

（1）kill -9 NameNode进程
（2）删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/tmp/dfs/name）
[atguigu@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-3.1.3/data/dfs/name/*
（3）拷贝SecondaryNameNode中数据到原NameNode存储数据目录
[atguigu@hadoop102 dfs]$ scp -r atguigu@hadoop104:/opt/module/hadoop-3.1.3/data/dfs/namesecondary/* ./name/
（4）重新启动NameNode
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode

`使用-importCheckpoint选项启动NameNode守护进程，从而将SecondaryNameNode中数据拷贝到NameNode目录中。
（1）修改hdfs-site.xml中的

    dfs.namenode.checkpoint.period
    120



    dfs.namenode.name.dir
    /opt/module/hadoop-3.1.3/data/dfs/name

（2）kill -9 NameNode进程
（3）删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/dfs/name）
[atguigu@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-3.1.3/data/dfs/name/*
（4）如果SecondaryNameNode不和NameNode在一个主机节点上，需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录，并删除in_use.lock文件
[atguigu@hadoop102 dfs]$ scp -r atguigu@hadoop104:/opt/module/hadoop-3.1.3/data/dfs/namesecondary ./

[atguigu@hadoop102 namesecondary]$ rm -rf in_use.lock

[atguigu@hadoop102 dfs]$ pwd
/opt/module/hadoop-3.1.3/data/dfs

[atguigu@hadoop102 dfs]$ ls
data  name  namesecondary
（5）导入检查点数据（等待一会ctrl+c结束掉）
[atguigu@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode -importCheckpoint
（6）启动NameNode
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode`

6. 集群安全模式 1.namenode启动

namenode启动时，首先将fsimage和edits文件加载到内存合并.一旦内存中成功建立文件系统元数据的映像，则会创建一个空edits，此时namenode开始监听datanode请求。这个过程期间hdfs对clinet来说时只读的

2.datanode启动

系统中的数据块的位置并不是通过nn维护，（nn只是保存了他们的位置映射）而是以快列表的形式存储在datanode。
在安全模式下，各个datanode会向nn发送最新的快列表信息。namenode了解到足够多的快位置信息之后（所有块的一份副本），即可高效运行文件系统。

3.安全模式退出判断

如果满足最小副本条件nn会在30秒钟之后退出安全模式。

最小副本条件：整个文件系统的99.9%的块满足最小副本级别（dfs.replication=1）。在一个刚刚格式化的hdfs集群中，因为系统没有任何块，所以nn不会进入安全模式。

1）基本语法
集群处于安全模式，不能执行重要操作（写操作）。集群启动完成后，自动退出安全模式。
（1）bin/hdfs dfsadmin -safemode get		（功能描述：查看安全模式状态）
（2）bin/hdfs dfsadmin -safemode enter  	（功能描述：进入安全模式状态）
（3）bin/hdfs dfsadmin -safemode leave	（功能描述：离开安全模式状态）
（4）bin/hdfs dfsadmin -safemode wait	（功能描述：等待安全模式状态）
2）案例
	模拟等待安全模式
3）查看当前模式
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -safemode get
Safe mode is OFF
4）先进入安全模式
[atguigu@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode enter
5）创建并执行下面的脚本
在/opt/module/hadoop-3.1.3路径上，编辑一个脚本safemode.sh
[atguigu@hadoop102 hadoop-3.1.3]$ touch safemode.sh
[atguigu@hadoop102 hadoop-3.1.3]$ vim safemode.sh

#!/bin/bash
hdfs dfsadmin -safemode wait
hdfs dfs -put /opt/module/hadoop-3.1.3/README.txt /

[atguigu@hadoop102 hadoop-3.1.3]$ chmod 777 safemode.sh

[atguigu@hadoop102 hadoop-3.1.3]$ ./safemode.sh 
6）再打开一个窗口，执行
[atguigu@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode leave
7）观察
8）再观察上一个窗口
Safe mode is OFF
9）HDFS集群上已经有上传的数据了。

7. NameNode多目录配置(了解)

1）NameNode的本地目录可以配置成多个，且每个目录存放内容相同，增加了可靠性
	2）具体配置如下
	（1）在hdfs-site.xml文件中添加如下内容

dfs.namenode.name.dir
file://${hadoop.tmp.dir}/dfs/name1,file://${hadoop.tmp.dir}/dfs/name2

（2）停止集群，删除三台节点的data和logs中所有数据。
[atguigu@hadoop102 hadoop-3.1.3]$ rm -rf data/ logs/
[atguigu@hadoop103 hadoop-3.1.3]$ rm -rf data/ logs/
[atguigu@hadoop104 hadoop-3.1.3]$ rm -rf data/ logs/
（3）格式化集群并启动。
[atguigu@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode –format
[atguigu@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
（4）查看结果
[atguigu@hadoop102 dfs]$ ll
总用量 12
drwx------. 3 atguigu atguigu 4096 12月 11 08:03 data
drwxrwxr-x. 3 atguigu atguigu 4096 12月 11 08:03 name1
drwxrwxr-x. 3 atguigu atguigu 4096 12月 11 08:03 name2

10.datanode

1.工作机制

一个数据块在dn上以文件形式存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据包括数据块长度，快数据的检验和（验证数据是否损坏）,以及时间戳
dn启动后会向nn注册，通过后，周期性（1小时）的向nn报告快信息
心跳是每3秒一次，心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器，或删除某个数据块。如果超过10分钟没有收到某个DataNode的心跳，则认为该节点不可用。
集群运行中可以安全加入和退出一些机器。

2.数据可靠性

思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0），但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？同理DataNode节点上的数据损坏了，却没有发现，是否也很危险，那么如何解决呢？
如下是DataNode节点保证数据完整性的方法。
（1）当DataNode读取Block的时候，它会计算CheckSum。
（2）如果计算后的CheckSum，与Block创建时值不一样，说明Block已经损坏。
（3）Client读取其他DataNode上的Block。
（4）常见的校验算法 crc（32），md5（128），sha1（160）
（5）DataNode在其文件创建后周期验证CheckSum。

3.掉线时限参数设置

需要注意的是hdfs-site.xml 配置文件中的heartbeat.recheck.interval的单位为毫秒，dfs.heartbeat.interval的单位为秒。

    dfs.namenode.heartbeat.recheck-interval
    300000


    dfs.heartbeat.interval
    3

4.节点的增加于减少

1）需求
随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据的需求，需要在原有集群基础上动态添加新的数据节点。
2）环境准备
（1）在hadoop104主机上再克隆一台hadoop105主机
（2）修改IP地址和主机名称
（3）删除原来HDFS文件系统留存的文件（/opt/module/hadoop-3.1.3/data和logs）
（4）source一下配置文件
[atguigu@hadoop105 hadoop-3.1.3]$ source /etc/profile
3）服役新节点具体步骤
（1）直接启动DataNode，即可关联到集群
[atguigu@hadoop105 hadoop-3.1.3]$ hdfs --daemon start datanode
[atguigu@hadoop105 hadoop-3.1.3]$ yarn --daemon start nodemanager

（2）在hadoop105上上传文件
[atguigu@hadoop105 hadoop-3.1.3]$ hadoop fs -put /opt/module/hadoop-3.1.3/LICENSE.txt /
（3）如果数据不均衡，可以用命令实现集群的再平衡
[atguigu@hadoop102 sbin]$ ./start-balancer.sh
starting balancer, logging to /opt/module/hadoop-3.1.3/logs/hadoop-atguigu-balancer-hadoop102.out
Time Stamp               Iteration#  Bytes Already Moved  Bytes Left To Move  Bytes Being Moved
6.5 退役旧数据节点
6.5.1 添加白名单和黑名单
白名单和黑名单是hadoop管理集群主机的一种机制。
添加到白名单的主机节点，都允许访问NameNode，不在白名单的主机节点，都会被退出。添加到黑名单的主机节点，不允许访问NameNode，会在数据迁移后退出。
实际情况下，白名单用于确定允许访问NameNode的DataNode节点，内容配置一般与workers文件内容一致。 黑名单用于在集群运行过程中退役DataNode节点。
配置白名单和黑名单的具体步骤如下：
1）在NameNode节点的/opt/module/hadoop-3.1.3/etc/hadoop目录下分别创建whitelist 和blacklist文件
[atguigu@hadoop102 hadoop]$ pwd
/opt/module/hadoop-3.1.3/etc/hadoop
[atguigu@hadoop102 hadoop]$ touch whitelist
[atguigu@hadoop102 hadoop]$ touch blacklist
在whitelist中添加如下主机名称,假如集群正常工作的节点为102 103 104 105
hadoop102
hadoop103
hadoop104
hadoop105
黑名单暂时为空。
2）在hdfs-site.xml配置文件中增加dfs.hosts和 dfs.hosts.exclude配置参数


dfs.hosts
/opt/module/hadoop-3.1.3/etc/hadoop/whitelist



dfs.hosts.exclude
/opt/module/hadoop-3.1.3/etc/hadoop/blacklist

3）分发配置文件whitelist，blacklist，hdfs-site.xml (注意：105节点也要发一份)
[atguigu@hadoop102 etc]$ xsync hadoop/ 
[atguigu@hadoop102 etc]$ rsync -av hadoop/ atguigu@hadoop105:/opt/module/hadoop-3.1.3/etc/hadoop/
4）重新启动集群(注意：105节点没有添加到workers，因此要单独起停)
[atguigu@hadoop102 hadoop-3.1.3]$ stop-dfs.sh
[atguigu@hadoop102 hadoop-3.1.3]$ start-dfs.sh
[atguigu@hadoop105 hadoop-3.1.3]$ hdfs –daemon start datanode
5）在web浏览器上查看目前正常工作的DN节点

6.5.2 黑名单退役
1）编辑/opt/module/hadoop-3.1.3/etc/hadoop目录下的blacklist文件
[atguigu@hadoop102 hadoop] vim blacklist
添加如下主机名称（要退役的节点）
hadoop105
2）分发blacklist到所有节点
[atguigu@hadoop102 etc]$ xsync hadoop/ 
[atguigu@hadoop102 etc]$ rsync -av hadoop/ atguigu@hadoop105:/opt/module/hadoop-3.1.3/etc/hadoop/
3）刷新NameNode、刷新ResourceManager
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes
Refresh nodes successful

[atguigu@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshNodes
17/06/24 14:55:56 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.1.103:8033
4）检查Web浏览器，退役节点的状态为decommission in progress（退役中），说明数据节点正在复制块到其他节点

5）等待退役节点状态为decommissioned（所有块已经复制完成），停止该节点及节点资源管理器。注意：如果副本数是3，服役的节点小于等于3，是不能退役成功的，需要修改副本数后才能退役

[atguigu@hadoop105 hadoop-3.1.3]$ hdfs --daemon stop datanode
stopping datanode
[atguigu@hadoop105 hadoop-3.1.3]$ yarn --daemon stop nodemanager
stopping nodemanager
6）如果数据不均衡，可以用命令实现集群的再平衡
[atguigu@hadoop102 hadoop-3.1.3]$ sbin/start-balancer.sh 
starting balancer, logging to /opt/module/hadoop-3.1.3/logs/hadoop-atguigu-balancer-hadoop102.out
Time Stamp               Iteration#  Bytes Already Moved  Bytes Left To Move  Bytes Being Moved
注意：不允许白名单和黑名单中同时出现同一个主机名称，既然使用了黑名单blacklist成功退役了hadoop105节点，因此要将白名单whitelist里面的hadoop105去掉。

hdfs原理

大数据系统相关栏目本月热门文章