hadoop学习--HDFS

HDFS

1. HDFS（Hadoop Distributed File System）

HDFS是Hadoop项目的和核心子项目，是分布式计算中数据存储管理的基础，基于流数据模式访问和处理超大文件的需求而开发的，可以运行于廉价的商用服务器上。具有高容错、高可靠、高扩展性、高获得率、高吞吐率等特征。

2.HDFS体系架构

2.1 HDFS是什么？

HDFS是一个主从（Master/Slave）体系结构:master和slave都工作。还有一种主备体系结构，主工作，备用不工作。从用户角度来看，他就像传统的文件系统一样，可以通过目录路径对文件执行CRUD（Create、Read、Update、Delete）操作。
由于分布式存储的性质， Hdfs的组成如下：

面向文件包含：文件数据（data）以及元数据（metadata属性）。

2.2 各组成介绍

• NmaeNode：管理文件系统的元数据（描述数据的数据），例如：文件名称、文件目录结构、文件属性（生成时间、副本数、文件权限、文件大小等）以及文件的块列表和块所在的DataNode等。并维护了一个层次型的文件目录树。
• DataNode：存储实际的数据（block块），并提供block的读写。DataNode响应来自HDFS客户机的读写请求同时它们还响应来自NameNode的创建,删除和复制块的命令。
  NameNode依赖来自每个DataNode的定期心跳（heartbeat）消息。每条消息都包含一个块报告，NameNode可以根据这个报告验证块映射和其他文件系统元数据。如果DataNode不能发送心跳消息，NameNode将采用修复措施。重新复制在该节点上丢失的块。
• 文件块（block）：最基本的存储单位。对于文件内容而言，一个文件的长度大小size，那么从文件的0偏移开始，按照固定的大小，顺序对文件进行划分并编号，划分好的每一个称一个Block。HDFS默认BIock大小是128MB。不同于普通文件系统的是，HDFS中，如果一个文件小于一个数据块的大小，并不占用整个数据存储空间。

2.3 各部分的运行

客户端Client通过NameNode和DataNode的交互访问文件系统。客户端Client联系NameNode以获取文件的元数据，而真正的文件I/O操作是直接和DataNode进行交互的，以获取block数据.

2.4 HDFS Architecture

2.5 HDFS的读写流程