HDFS 概述

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Luomingkui1109/article/details/80330949
1.HDFS产生背景
    随着数据量越来越大,在一个操作系统管辖的范围内存不下了,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概念
    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的设计适合一次写入,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。

3. HDFS优点
(1)高容错性
    ①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;
    ②某一个副本丢失以后,它可以自动恢复。
(2)适合大数据处理
    ①数据规模:能够处理数据规模达到GB,TB,甚至PB级别的数据;
    ②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)流式数据访问,它能保证数据的一致性。
(4)可构建在廉价机器上,通过多副本机制,提高可靠性。

4.HDFS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。
    ①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;
    ②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)并发写入,文件随机修改。
    ①一个文件只能有一个写,不允许多个线程同时写;
    ②仅支持数据追加(追加),不支持文件的随机修改。

5. HDFS组成架构
        这种架构主要由四个部分组成,分别为HDFS Client,NameNode,DataNode和Secondary NameNode。下面我们分别介绍这四个组成部分。
(1)客户端:就是客户端。
        (1)文件切分文件上传HDFS的时候,客户机将文件切分成一个一个的块,然后进行存储。
        (2)与NameNode的交互,获取文件的位置信息;
        (3)与数据管理部交互,读取或者写入数据;
        (4)客户端提供一些命令来管理HDFS,比如启动或者关闭HDFS;
        (5)客户端可以通过一些命令来访问HDFS;
(2)NameNode:就是Master,它是一个主管,管理者。
        (1)管理的HDFS的名称空间;
        (2)管理数据块(块)映射信息;
        (3)配置副本策略;
        (4)处理客户端读写请求。
(3)DataNode:就是Slave.NameNode下达命令,DataNode执行实际的操作。
        (1)存储实际的数据块;
        (2)执行数据块的读/写操作。
(4)Secondary NameNode:并非NameNode的热备。当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务。
        (1)辅助的NameNode,分担其工作量;
        (2)定期合并的FsImage和编辑,并推送给的NameNode;
        (3)在紧急情况下,可辅助恢复的NameNode。

5.HDFS文件块大小
    HDFS中的文件在物理上是分块存储(块),块的大小可以通过配置参数(dfs.blocksize)来规定,默认大小在hadoop2.x版本中是128M,老版本中是64M。
    HDFS的块比磁盘的块大,其目的是为了最小化寻址开销。如果块设置得足够大,从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。因而,传输一个由多个块组成的文件的时间取决于磁盘传输速率。
    如果寻址时间约为10毫秒,而传输速率为100Mb / s的,为了使寻址时间仅占传输时间的1%时,我们要将块大小设置约为100MB。默认的块大小128MB。
    块的大小:10ms * 100 * 100M / s = 100M
阅读更多

没有更多推荐了,返回首页