【Hadoop】HDFS概述

---

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

1. 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。

2. 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。

3. 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

1. 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。

2. 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。

3. 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）