Tài liệu Distributed file system

Distributed File System GVHD: TS. Hồ Bảo Quốc Nhóm học viên thực hiện: • Dương Hữu Thành – 1212035 • Phạm Ngọc Vân Anh – 1212001 • Nguyễn Thanh Tòng – 1212039 LOGO 1 Nội dung 1 Tổng quan hệ thống tập tin phân tán 2 Google File System 3 Map reduce 4 Hadoop distributed file system 2.2 2 Nội dung 1 Tổng quan hệ thống tập tin phân tán 2 Google File System 33 Map reduce 4 Hadoop 3 Tổng quan hệ thống tập tin phân tán (DFS) (1/2)  DFS là một mô hình phân lớp hệ thống tập tin được phân tán trên nhiều máy.  DFS hổ trợ việc chia sẻ tập tin của các tập tin thông qua môi trường mạng.  Client thao tác trên DFS giống như thao tác trên hệ thống FS (hệ thống tập tin cục bộ).  Hệ thống tập tin cung cấp các dịch vụ cho client truy cập các tập tin trên server: tạo, đọc, ... tập tin. 4 Tổng quan hệ thống tập tin phân tán (DFS) (2/2) Tính trong suốt (Transparency): • Trong suốt truy cập • Trong suốt vị trí • Trong suốt khả năng thực thi • Trong suốt phạm vi (scaling) • Độc lập vị trí Stateful và stateless: • Stateful là server lưu tất cả thông tin request từ client • Stateless là mỗi yêu cầu client phải cung cấp đầy đủ thông tin cho server Nhân bản tập tin: mỗi tập tin có thể có nhiều bản sao nằm ở các vị trí khác nhau • Tăng khả năng thực thi và tính sẵn sàng. • Tăng khả năng chịu lỗi Hoạt động trên nhiều hệ điều hành khác nhau. DFS Có khả năng chịu lỗi. Đặt tên (naming): • Kết hợp tên local và host • Các thư mục từ xa gắn kết vào thư mục cục bộ • Cấu trúc tên toàn cục duy nhất của hệ thống Caching và caching location: • Vấn đề là bảo đảm tính nhất quan giữa cache và tập tin chính: tiếp cận từ client hay từ server • Ví trí cache: trên đĩa (đáng tin cậy) hay vùng nhớ (tốc độ nhanh) Truy cập đồng thời: việc thay đổi một tập tin không nên bị cản trở bởi hoạt động các client khác 5 Nội dung 1 Tổng quan hệ thống tập tin phân tán 2 Google File System 3 Map reduce 4 Hadoop 6 Nội dung 1 Tổng quan hệ thống tập tin phân tán 2 Google File System 33 Map reduce 4 Hadoop 7 Nội dung 1 Tổng quan hệ thống tập tin phân tán 2 Google File System 33 Map reduce 4 Hadoop distributed file system 8 Hadoop (1/3) Hadoop distributed file system Map Reduce • Hadoop là một dự án Apache, tất cả các thành phần tồn tại thông qua bản quyền nguồn mở của Apache. • Hadoop cung cấp một hệ thống tập tin phân tán và một framework để phân tích và sự biến đổi của tập dữ liệu rất lớn sử dụng MapReduce. • Đặc tính quan trọng của Hadoop là phân vùng dữ liệu và tính toán trên nhiều (hàng ngàn) máy chủ, và thực thi tính toán ứng dụng song song. 9 Hadoop (2/3)  Tại sao chọn Hadoop? • Cần xử lý tập dữ liệu khổng lồ trên các cluster lớn của máy tính. • Tốn chi phí xây dựng tính tin cậy trong mỗi ứng dụng. • Cần kiến trúc hạ tầng chung: hiệu quả, đáng tín cậy, dễ dùng, nguồn mỡ, bản quyền apache. 10 Ai đang dùng Hadoop? HDFS – Tổng quan (1/2)  HDFS là hệ thống tập tin phân tán được thiết kê để lưu trữ các tập tin rất lớn với dòng truy cập dữ liệu chạy trên các cluster của phần cứng. 12 HDFS – Tổng quan (2/2)  Namespace duy nhất cho toàn cluster.  Dữ liệu liên kết chặt chẻ. • Mô hình truy cập 1 ghi, nhiều đọc.  Tập tin chia thành nhiều block. • Mỗi block DataNode đươc sao chép trên nhiều  Client thông minh • Client có thể tìm vị trí các block • Client có thể truy cập trực tiếp dữ liệu từ DataNode 13 HDFS – Block (1/2)  Tập tin được chia thành nhiều phần nhỏ, gọi là block để lưu trữ trong HDFS.  Các block của cùng tập tin có thể nằm trên nhiều máy trong cluster. 14 HDFS – Block (2/2)  Sắp đặt các block (block placement): • Bản sao đầu tiên nằm trên node ngẫu nhiên của rack cục bộ. • Bản sao thứ hai trên rack từ xa ngẫu nhiên. • Bản sao thứ ba nằm trên cùng rack ngẫu nhiên trên. • Các bản sao khác có thể sắp đặt ngẫu nhiên.  Client sẽ đọc bản sao gần nhất. 15 HDFS – Kiến trúc (1/10)  NameNode (master): • Quản lý namespace của hệ thống tập tin và các truy cập dữ liệu của client. Ánh xạ tên tập tin đến tập các block. Ánh xạ các block đến DataNode chứa nó • Quản lý cấu hình cluster. • Máy sao chép các block. 16 HDFS – Kiến trúc (2/10)  NameNode meta-data: • Toàn bộ meta-data được lưu trong bộ nhớ chính. • Các meta-data bao gồm: Danh sách tập tin. Danh sách các block của tập tin. Danh sách các DataNode của block. • Nhật ký giao tác: tháo tác tạo, xóa tập tin, ... 17 HDFS – Kiến trúc (3/10)  Image chứa dữ liệu của NameNode và danh sách các block thuộc về mỗi tập tin. 18 HDFS – Kiến trúc (4/10)  NameNode cũng lưu trữ nhật ký sửa đổi của image gọi là journal trong native file system của các host cục bộ. 19 HDFS – Kiến trúc (5/10)  Mẫu cố định của image được lưu trữ trong system file của local gọi là checkpoint. 20