hadoop02-HDFS【尚硅谷】

HDFS

大数据学习笔记

一、HDFS产出背景及定义

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。
2. HDFS定义
   HDFS，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。适合用来做数据分析，并不适合用来做网盘应用。

优点：
1）高容错性

• 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。
• 某一个副本丢失以后，它可以自动恢复。

2） 适合处理大数据

• 数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据
• 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。

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。

• 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；
• 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。
• 一个文件只能有一个写，不允许多个线程同时写；
• 仅支持数据append（追加），不支持文件的随机修改。

3. HDFS组成架构
   

1. NameNode（nn）：就是Master，它是一个主管、管理者。

• 管理HDFS的名称空间；
• 配置副本策略；
• 管理数据块（block）映射信息；
• 处理客户端读写请求。

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

• 存储实际的数据块；
• 执行数据块的读/写操作。

3. Client：就是客户端。

• 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；