摘  要： Hadoop工具核心模塊包括分布式文件系統(tǒng)（Hadoop Distributed File System，HDFS）和分布式編程模型MapReduce，其中HDFS是Hadoop數(shù)據(jù)存儲處理的核心模塊，但目前缺乏有效的HDFS可視化管理工具，因此設(shè)計實(shí)現(xiàn)了一套可視化管理工具，該工具基于Java Swing組件開發(fā)。以此工具為基礎(chǔ)，搭建了一套基于Hadoop的海量遙感數(shù)據(jù)云存儲系統(tǒng)。實(shí)驗(yàn)表明，該系統(tǒng)界面友好，易于部署，可以很好地支持HDFS可視化管理。

　　關(guān)鍵詞： Hadoop；分布式文件系統(tǒng)；可視化管理系統(tǒng)

0 引言

　　近年來，隨著遙感技術(shù)的發(fā)展，遙感數(shù)據(jù)的類型不斷擴(kuò)展，遙感數(shù)據(jù)的量級在不斷增加，這給遙感數(shù)據(jù)的管理帶來了新的挑戰(zhàn)。云計算作為大數(shù)據(jù)時代的典型技術(shù)代表，可以有效地進(jìn)行海量遙感數(shù)據(jù)的處理。Hadoop[1]是目前云計算技術(shù)應(yīng)用最廣泛的一個技術(shù)平臺，是谷歌文件系統(tǒng)[2]和MapReduce編程模型的開源實(shí)現(xiàn)[2]。然而如何使用Hadoop技術(shù)進(jìn)行海量遙感數(shù)據(jù)的處理，是一個值得研究的問題。為了對海量遙感數(shù)據(jù)進(jìn)行有效的管理，需開發(fā)一套基于Hadoop集群的云存儲系統(tǒng)。該系統(tǒng)可對海量遙感數(shù)據(jù)進(jìn)行管理，與用戶進(jìn)行交互，上傳和下載海量遙感數(shù)據(jù)文件。但是現(xiàn)有的HDFS管理工具無法高效地進(jìn)行可視化管理，基于此，本文設(shè)計實(shí)現(xiàn)了一套可視化管理系統(tǒng)，旨在提高HDFS可視化管理的水平，方便用戶使用。

1 研究背景

　　1.1 Hadoop生態(tài)系統(tǒng)

　　為了搭建國產(chǎn)軟硬件環(huán)境下的云存儲平臺，本文采用Hadoop作為基礎(chǔ)軟件。該平臺目前已經(jīng)發(fā)展成為包括HDFS[3]、分布式編程模型MapReduce、數(shù)據(jù)庫（HBase、Cassandra）、數(shù)據(jù)倉庫Hive和數(shù)據(jù)流處理語言Pig在內(nèi)的完整的生態(tài)系統(tǒng)（Ecosystem）[4]。系統(tǒng)結(jié)構(gòu)框架如圖1所示。從某種程度上可以說，Hadoop已經(jīng)成為大數(shù)據(jù)處理工具事實(shí)上的標(biāo)準(zhǔn)。

　　HDFS是Hadoop生態(tài)系統(tǒng)的核心子項(xiàng)目之一，基于流數(shù)據(jù)模式和處理超大文件的需求開發(fā)，可以處理TB（TeraByte）甚至是PB（PeteByte）級別的數(shù)據(jù)，對硬件要求比較低，容錯性好，可靠性高。Hadoop2.0之前的版本，HDFS集群通常包括一個NameNode（主節(jié)點(diǎn)）和若干個DataNode（從節(jié)點(diǎn)）[5]。NameNode管理命名空間，維護(hù)整個文件系統(tǒng)的文件目錄樹及這些文件的索引目錄。DataNode是文件系統(tǒng)工作節(jié)點(diǎn)，用來執(zhí)行具體的任務(wù)。同時，它可以通過心跳（Heartbeat）定時向NameNode發(fā)送所存儲的文件塊信息[6]。

1.2 HDFS常見管理工具

　　現(xiàn)有HDFS的管理工具可以分為三類：HDFS自帶的命令行工具、HDFS應(yīng)用程序接口（API）和基于Web的HDFS管理工具。

　　HDFS自帶的命令行工具運(yùn)行在操作系統(tǒng)的shell終端，由一系列的命令組成。其優(yōu)點(diǎn)是簡單快捷，無需安裝其他軟件；缺點(diǎn)是可視化程度不高，各種命令比較多，用戶需要具備專業(yè)的水平才能完全掌握。常見的HDFS命令如表1所示[7]。

　　HDFS應(yīng)用程序接口是Hadoop為第三方軟件提供的交互接口。這種方法的優(yōu)點(diǎn)是操作簡單，對用戶專業(yè)水平要求不高；缺點(diǎn)是只有在安裝了Eclipse IDE的機(jī)器上才能運(yùn)行。HDFS中提供的API功能如表2所示。

　　基于Web的管理工具研究是在前兩種工具的基礎(chǔ)上開發(fā)而來的，黃文依等人[7]在研究HDFS架構(gòu)的基礎(chǔ)上，設(shè)計實(shí)現(xiàn)了基于Web的HDFS可視化文件訪問系統(tǒng)。其優(yōu)點(diǎn)是操作簡便快捷，易于部署；缺點(diǎn)是功能相對簡單，只是實(shí)現(xiàn)了基本的功能。此外，用戶通過瀏覽器可以直接訪問Hadoop集群的50030端口，但是這種方式只可以瀏覽顯示HDFS文件系統(tǒng)，用戶無法與HDFS交互。

　　通過以上內(nèi)容可以看出，HDFS現(xiàn)有的可視化系統(tǒng)可視化程度不高，用戶友好程度相對不高。如何設(shè)計和實(shí)現(xiàn)用戶界面友好的HDFS可視化管理系統(tǒng)，是一個需要解決的問題。

2 HDFS可視化管理系統(tǒng)的設(shè)計

　　2.1 系統(tǒng)功能設(shè)計

　　本文設(shè)計的HDFS可視化管理系統(tǒng)一方面完成文件（夾）與Hadoop集群之間的交互，另一方面可對集群的一些基本信息進(jìn)行顯示。HDFS可視化系統(tǒng)的功能從整體上包含文件管理模塊和集群信息模塊。其中文件管理模塊負(fù)責(zé)HDFS文件信息的顯示、目錄信息的管理以及HDFS文件與本地文件之間的交互，包括文件上傳、文件下載[8]和文件刪除等功能。集群信息模塊可以顯示Hadoop集群的節(jié)點(diǎn)信息、集群的存儲容量和提供幫助信息等。HDFS可視化系統(tǒng)的功能結(jié)構(gòu)圖如圖2所示。

　　2.2 系統(tǒng)界面設(shè)計

　　HDFS可視化管理系統(tǒng)設(shè)計的主界面包括4個區(qū)域：標(biāo)題欄、工具欄、HDFS目錄顯示區(qū)域和文件信息顯示區(qū)域。其中標(biāo)題欄包括文件管理按鈕和集群信息管理按鈕，通過這兩個按鈕可以調(diào)用文件管理模塊和集群信息管理模塊。HDFS目錄顯示區(qū)域類似于Windows的資源管理器，以目錄樹的形式顯示HDFS文件系統(tǒng)信息。文件信息顯示區(qū)域用來顯示選中的文件的基本信息。

　　HDFS系統(tǒng)可視化界面采用Java Swing[9]組件設(shè)計開發(fā)。界面使用到的控件包括JTree、JLabel、JText、JPanel等。其中，JTree用來管理HDFS文件系統(tǒng)目錄；JLabel顯示文件基本信息；JPanel用來進(jìn)行控件的管理，當(dāng)做容器用來控制界面的布局；JButtonItem用來右鍵顯示命令。此外標(biāo)準(zhǔn)對話框用來顯示提示信息。

3 HDFS可視化管理系統(tǒng)的實(shí)現(xiàn)

　　3.1 開發(fā)及運(yùn)行環(huán)境

　　HDFS可視化系統(tǒng)開發(fā)工具為Eclipse和OpenJDK 1.6.0。考慮到HDFS需要在Hadoop集群搭建的基礎(chǔ)上才能運(yùn)行，本文首先搭建了一個Hadoop集群。本文搭建的Hadoop集群采用0.20.2版本，包括1個NameNode節(jié)點(diǎn)和6個DataNode節(jié)點(diǎn)。目前集群配置存儲空間大小為1.19 TB，包括21 628個文件和目錄，21 067個文件塊，塊大小為128 MB；HDFS文件備份數(shù)量采用默認(rèn)的3個。集群HDFS信息如圖3所示。

　　3.2 系統(tǒng)開發(fā)流程

　　系統(tǒng)開發(fā)流程如圖4所示。開發(fā)環(huán)境的操作系統(tǒng)采用Kylin Linux操作系統(tǒng)，OpenJDK版本是1.6.0。在開發(fā)環(huán)境中使用Eclipse進(jìn)行界面和功能設(shè)計，編寫代碼并且封裝成JAR包以方便部署。開發(fā)工具采用Eclipse 3.5版本。

　　3.3 系統(tǒng)功能測試

　　為了驗(yàn)證HDFS可視化系統(tǒng)的可靠性，對系統(tǒng)功能進(jìn)行測試。目前用戶數(shù)量為10人，經(jīng)過擴(kuò)展可以添加更多用戶。Hadoop集群信息如圖5所示，HDFS中某一系統(tǒng)的文件信息如圖6所示，文件上傳功能如圖7所示，文件下載功能如圖8所示。

4 結(jié)論

　　本文針對Hadoop分布式文件系統(tǒng)缺乏界面友好的可視化管理工具的問題，設(shè)計并實(shí)現(xiàn)了一個HDFS可視化管理系統(tǒng)。該管理系統(tǒng)核心功能通過封裝HDFS命令轉(zhuǎn)換為Java可以識別的對象實(shí)現(xiàn)。該系統(tǒng)已經(jīng)在基于國產(chǎn)軟硬件環(huán)境的云存儲系統(tǒng)中得到應(yīng)用，經(jīng)過實(shí)驗(yàn)證明，該系統(tǒng)提供了一個簡便易操作的HDFS可視化管理工具，提高了云計算的數(shù)據(jù)管理水平。下一步研究的重點(diǎn)是設(shè)計實(shí)現(xiàn)基于此管理系統(tǒng)的云計算平臺，為集群外的節(jié)點(diǎn)訪問和數(shù)據(jù)處理提供服務(wù)。

　　參考文獻(xiàn)

　　[1] Apache Hadoop[EB/OL].（2009-09-12）[2014-10-15].http：//hadoop.apache.org/.

　　[2] GHEMAWAT S， GOBIOFF H， LEUNG S T. The Google file system[C]. ACM SIGOPS Operating Systems Review，ACM， 2003，37（5）：29-43.

　　[3] Hadoop Distributed Filesystem[EB/OL].（2008-12-13）[2014-10-15].http：//hadoop.apache.org/hdfs.

　　[4] 趙書蘭.典型Hadoop云計算[M].北京：電子工業(yè)出版社，2013.

　　[5] 蔡斌，陳湘萍.Hadoop技術(shù)內(nèi)幕：深入解析Hadoop Common和HDFS架構(gòu)設(shè)計與實(shí)現(xiàn)原理[M].北京：機(jī)械工業(yè)出版社，2013.

　　[6] 陸嘉恒.Hadoop實(shí)戰(zhàn)（第2版）[M].北京：機(jī)械工業(yè)出版社，2012.

　　[7] 黃文依，王勁松，林勝.HDFS可視化操作系統(tǒng)研究與實(shí)現(xiàn)[J].天津理工大學(xué)學(xué)報，2012，28（1）：31-34.

　　[8] 曹寧，吳忠海，劉宏志，等.HDFS下載效率的優(yōu)化[J].計算機(jī)應(yīng)用，2010，30（8）：2060-2065.

　　[9] CADENHEAD R S， LEMAY L.21天學(xué)通Java 6（第五版）[M].袁國忠，張劼，譯.北京：人民郵電出版社，2008.