Hadoop - HDFS概述

Hadoop - HDFS概述

Hadoop文件系统是使用分布式文件系统设计开发的。它运行在商品硬件上。与其他分布式系统不同，HDFS具有高度的容错能力，并采用低成本硬件设计。

HDFS拥有非常大量的数据，并提供更容易的访问。要存储这么大的数据，这些文件存储在多台机器上。这些文件以冗余的方式存储，以在发生故障的情况下挽救系统免受可能的数据丢失。HDFS还使应用程序可以并行处理。

原文链接：http://blogxinxiucan.sh1.newtouch.com/2017/07/17/Hadoop-HDFS概述/

HDFS的特点

• 适用于分布式存储和处理。
• Hadoop提供了与HDFS交互的命令界面。
• namenode和datanode的内置服务器可以帮助用户轻松检查集群的状态。
• 流式访问文件系统数据。
• HDFS提供文件权限和身份验证。

HDFS架构

以下是Hadoop文件系统的体系结构。

HDFS架构

HDFS遵循主 - 从架构，它具有以下元素。

Namenode
namenode是包含GNU / Linux操作系统和namenode软件的商品硬件。它是可以在商品硬件上运行的软件。具有namenode的系统充当主服务器，它执行以下任务：

• 管理文件系统命名空间。
• 规范客户对文件的访问。
• 它还执行文件系统操作，如重命名，关闭和打开文件和目录。

Datanode
数据库是具有GNU / Linux操作系统和数据库软件的商品硬件。对于集群中的每个节点（商品硬件/系统），将有一个数据库。这些节点管理其系统的数据存储。

• Datanodes根据客户端请求对文件系统执行读写操作。
• 他们还根据namenode的说明执行块创建，删除和复制等操作。

Block
通常，用户数据存储在HDFS的文件中。文件系统中的文件将被分成一个或多个片段和/或存储在各个数据节点中。这些文件段被称为块。换句话说，HDFS可以读取或写入的最小数据量称为块。默认块大小为64MB，但可根据需要在HDFS配置中更改。

HDFS目标

• 故障检测和恢复：由于HDFS包含大量商品硬件，组件故障频繁。因此，HDFS应具有快速自动故障检测和恢复的机制。
• 巨大的数据集：HDFS应该每个群集有数百个节点来管理具有巨大数据集的应用程序。
• 数据硬件：当数据附近进行计算时，可以有效地完成所请求的任务。特别是在涉及巨大的数据集的情况下，它可以减少网络流量并提高吞吐量。