大数据：Hadoop2.x---HDFS介绍

HDFS

• Hadoop建议存储大文件，如果是大量的小文件，会消耗大量内存。同时map任务的数量是由splits来决定的，所以用MapReduce处理大量的小文件时，就会产生过多的map任务线程管理开销将会增加作业时间。处理大量小文件的速度远远小于处理同等大小的大文件的速度。

NameNode

• 整个文件系统的管理节点，维护着整个文件系统的文件目录树，文件/目录的元信息和每个文件对应的数据块列表。
• 运行时所有数据都保存到内存，整个HDFS可存储的文件数受限于NameNode的内存大小
• 一个Block在NameNode中对应一条记录（一般一个block占用150字节）
• 接收用户的操作请求
• 元数据文件包括：保存在linux的文件系统 tmp/dfs/...
            fsimage:元数据镜像文件。存储某一时段NameNode内存元数据信息。
            edits:操作日志文件。
            fstime:保存最近一次checkpoint的时间
• 元数据存储细节

• 工作流程：NameNode始终在内存中保存metedata，用于处理“读请求”，到有“写请求”到来时，NameNode会首先写editlog到磁盘，即向edits文件中写日志，成功返回后，才会修改内存，并且向客户端返回 

Secondary NameNode

• 定时与NameNode进行同步（定期合并文件系统镜像和编辑日志，然后把合并后的传给NameNode，替换其镜像，并清空编辑日志，类似于CheckPoint机制），但NameNode失效后仍需要手工将其设置成主机
• Hadoop会维护一个fsimage文件==metedata镜像，fsimage与NameNode内存中的metedata不同步，而是自动每隔一段时间通过合并edits文件来更新内容。

 

• lfs.checkpoint.period 指定两次checkpoint的最大时间间隔，默认3600秒。 l
• lfs.checkpoint.size    规定edits文件的最大值，一旦超过则强制checkpoint，不管时间间隔。默认大小是128M。

 DataNode

• 保存具体的block数据，负责数据的读写操作和复制操作，DataNode启动时会向NameNode报告当前存储的数据块信息，后续也会定时报告修改信息，DataNode之间会进行通信，复制数据块，保证数据的冗余性.
• 分块存储 block块:基本存储单位 128M，默认副本3份
• 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，并不占用整个数据块存储空间