目录
HDFS(Hadoop分布式文件系统)
一、HDFS产生背景及定义
1、HDFS产生背景
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只是分布式文件管理系统中的一种。
2、HDFS定义
HDFS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的使用场景: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,不适合用来做网盘应用。
二、HDFS优缺点
1、HDFS优点
(1)高容错性
(2)适合处理大数据
数据规模:能够处理数据规模达到GB、TB、PB级别的数据;
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)可构建在廉价机器上,通过多副本机制,提高可靠性。
2、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。
(3)不支持并发写入、文件随机修改。
三、HDFS组成架构
NameNode | DataNode | Client | Secondary NameNode | |
含义 | 就是Master,它是一个主管、管理者 | NameNode下达命令,DataNode执行实际的操作 | 客户端 | 并非NameNode的热备。 当NameNode挂掉对的时候,它并不能马上替换NameNode并提供服务。 |
作用 | 管理HDFS的名称空间; 配置副本策略; 管理数据块(Block)映射信息; 处理客户端读写请求; | 存储实际的数据块; | 文件切分。文件上传HDFS的时候,Client将文件切分成若干个Block,然后上传; 与NameNode交互,获取文件的位置信息; 与DataNode交互,读取或者写入数据; Client提供一些命令管理HDFS,如NameNode格式化; Client通过一些命令访问HDFS,如HDFS增删查改; | 辅助NameNode并分担其工作量; |
HDFS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来规定,默认大小在Hadoop2.x版本中是128M,老版本是64M。
思考:为什么块的大小不能设置太小,也不能设置太大?
答:(1) HDFS的块设置太小,会增加寻址时间,程序一直在找块的开始位置。
(2) 如果块设置的太大,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。导致程序在处理这块数据时, 会非常慢。
总结:HDFS块的大小设置主要取决于磁盘传输速率。