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
。