前言
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 是分布式文件管理系统中的一种。
一、HDFS 的定义
HDFS (Hadoop Distributed File System),它是一个分布式文件系统,用于存储文件,通过目录树来定位文件;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;适合一次写入,多次读出的场景。
二、HDFS 的优点
-
适合处理大数据
数据规模方面:能够处理数据规模达到GB、TB、甚至PB级别的数据。
文件规模方面:能够处理百万规模以上的文件数量,数量相当大。 -
高容错性
数据自动保存多个副本,某一个副本丢失以后,它可以自动恢复。 -
可构建在廉价机器上,通过多副本机制,提高可靠性
三、HDFS 的缺点
-
不支持并发写入、文件随机修改
一个文件只能有一个写入,不允许多个线程同时写入;仅支持数据追加,不支持文件的随机修改。 -
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。 -
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。
四、HDFS 的组成架构
五、HDFS 的文件块大小
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/3.x版本中是128M,1.x版本中是64M)