2.1 产生背景及定义
2.1.1 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。
2.1.2 HDFS(Hadoop Distributed File System)
Hadoop分布式文件系统,主要用来解决海量数据的存储问题;它是一个文件系统,用于存储文件,通过统一的命名空间(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。
2.1.3 特性
- 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,并不适合用来做网盘应用。
- 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版本中是128M,老版本中是64M
- HDFS文件系统会给客户端提供一个统一的抽象目录树,客户端通过路径来访问文件
- 目录结构及文件分块信息(元数据)的管理由namenode节点承担——namenode是HDFS集群主节点,负责维护整个hdfs文件系统的目录树,以及每一个路径(文件)所对应的block块信息(block的id,及所在的datanode服务器)
- 文件的各个block的存储管理由datanode节点承担---- datanode是HDFS集群从节点,每一个block都可以在多个datanode上存储多个副本(副本数量也可以通过参数设置dfs.replication)
2.2 优缺点
优点 | 缺点 |
---|---|
高容错性;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,某一个副本丢失后,可以自动恢复。 | 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。 |
适合处理大数据;(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。 | 无法高效的对大量小文件进行存储。(1)存储大量小文件时占用NameNode大量的内存来存储文件目录和块信息。不可取,NameNode的内存有限;(2)小文件存储的寻址时间会超过读取时间,违反了HDFS的设计目标。 |
可构建在廉价机器上,通过多副本机制,提高可靠性。 | 不支持并发写入、 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append(追加),不支持文件的随机修改。 |