HDFS数据完整性-CFANZ编程社区

为了保证数据的完整性，一般采用数据校验技术：

1、奇偶校验技术

2、md5，sha1等校验技术

3、CRC-32循环冗余校验技术

4、ECC内存纠错校验技术

HDFS数据完整性

1、HDFS以透明方式校验所有写入的数据，可以通过io.bytes.per.checksum属性设置，字节数默认是512 字节，创建一个单独的校验和，如果节点检测数据错误，就会报CheckSumException异常。

2、除了在读取数据时进行验证，数据节点也会在后台运行一个线程

DataBlockscanner（数据块检测程序）周期性的验证存储在数据节点上的所有块。

3、一旦检测到corruptblock，在heartbeat阶段，DN会收到NN发来的Block Command，从其他数据块中拷贝一份新的replica（备份块）。

本地文件系统

如果使用本地文件系统file:///，在写一个文件file的时候，会隐式创建一个file.crc文件，包含每个数据块的checksum。

使用FileSystem.setVerifyChecksum(false)来禁用校验和验证，也可以在shell命令中使用-ignoreCrc选项。

禁用校验的方法还可以通过RawLocalFilesystem原生支持校验和，底层文件系统原生支持校验和，这里通过 RawLocalFileSystem来替代LocalFileSystem完成。

1、通过设置fs.file.impl的值为org.apache.hadoop.fs,RawLocalFileSystem

2、建立它的实例

LocalFileSystem继承于ChecksumFileSystem，

ChecksumFileSystem提供了文件校验的系统功能。

package org.apache.hadoop.fs;

/**********************************************************
Implement the FileSystem API for the raw local filesystem.
*************************************************************/
public class RawLocalFileSystem extends FileSystem {
}

public abstract class ChecksumFileSystem extends FilterFileSystem {
}

public class LocalFileSystem extends ChecksumFileSystem {
}

验证是否存在file.crc文件

package Compress;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.ChecksumFileSystem;
import org.apache.hadoop.fs.LocalFileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.mapreduce.Job;

public class CheckpointFileSystem {
    public static void main(String[] args) throws IOException {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "DeCodec");  
        //打包运行必须执行的方法
        job.setJarByClass(CheckpointFileSystem.class);
        LocalFileSystem localFileSystem = ChecksumFileSystem.getLocal(conf);
        System.out.println(
                localFileSystem.getChecksumFile(new Path("/liguodong/data")));      
    }
}

[root@master liguodong]# yarn jar checksum.jar
/liguodong/.data.crc