Hadoop（HDFS）

第1章 HDFS概述

1.1 HDFS产出背景及定义

1.1.1 HDFS 产生背景

随着数据量越来越大，在一个操作系统存不下所有的数据，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，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 只是分布式文件管理系统中的一种。

1.1.2 HDFS 定义

HDFS （ Hadoop Distributed File System ），它是一个文件系统 ，用于存储文件，通过目录树

来定位文件； 其次，它是分布式的， 由很多服务器联合起来实现其功能，集群中的服务器有各

自的角色。

HDFS 的使用场景：适合一次写入，多次读出的场景，且不支持文件的修改。 适合用来做数

1.2 HDFS 优缺点

 

1.2.1 优点

1 ）高容错性

（1 ）数据自动保存多个副本。它通过增加副本的形式，提高容错性。

 

（2）某一个副本丢失以后，它可以自动恢复。

 

2 ）适合处理大数据

（1）数据规模：能够处理数据规模达到 GB 、 TB 、甚至 PB 级别的数据 ；

（2）文件规模：能够处理 百万 规模以上的 文件数量 ，数量相当之大。

3 ）可 构建在廉价机器上 ，通过多副本机制，提高可靠性。

 

1.2.2 缺点

1 ） 不适合低延时数据访问 ，比如毫秒级的存储数据，是做不到的。

2 ） 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，它会占用 NameNode 大量的内存来存储文件目录和块信息。这样是不可取的，因为NameNode 的内存总是有限的；

（2）小文件存储的寻址时间会超过读取时间，它违反了 HDFS 的设计目标。

3 ）不支持并发写入、文件随机修改。

（1）一个文件只能有一个写，不允许多个线程同时写；

（2） 仅支持数据 append （追加）， 不支持文件的随机修改。

 

1.3 HDFS 组成架构

 

1 ） NameNode （nn）：就是 Master ，它 是一个主管、管理者。

（1）管理 HDFS 的名称空间；

（2）配置副本策略；

（3）管理数据块（ Block ）映射信息；

（4）处理客户端读写请求。

2 ） DataNode ：就是 Slave 。 NameNode 下达命令，DataNode 执行实际的操作。

（1）存储实际的数据块；

（2）执行数据块的读 / 写操作。

 

3 ） Client ：就是客户端。

（ 1 ）文件切分。文件上传 HDFS 的时候， Client 将文件切分成一个一个的 Block ，然后进行上传；

（2）与 NameNode 交互，获取文件的位置信息；

（3）与 DataNode 交互，读取或者写入数据；

（4） Client 提供一些命令来管理 HDFS ，比如 NameNode 格式化；

（5） Client 可以通过一些命令来访问 HDFS ，比如对 HDFS 增删查改操作；

4 ） Secondary NameNode ：并非 NameNode 的热备。当 NameNode 挂掉的时候，它并不

能马上替换 NameNode 并提供服务。

（1）辅助 NameNode ，分担其工作量，比如定期合并 Fsimage 和 Edits ，并推送给 NameNode ；

（2）在紧急情况下，可辅助恢复 NameNode 。

1.4 HDFS文件块大小

HDFS 中 的 文 件在 物 理 上 是 分块 存 储 （ Block ） ， 块 的 大 小 可 以通 过 配 置 参数

( dfs.blocksize) 来规定， 默认大小在 Hadoop2.x 版本中是 128M ，老版本中是 64M 。