【hadoop】hadoop 热点问题（问题导引学习）|为什么要用hadoop？

目录

一、HDFS简介

二、HDFS工作原理

为什么要用hadoop？

---

一、HDFS简介

一类是NameNode，又叫"元数据节点"；另一类是DataNode，又叫"数据节点"。

这两类节点分别承担Master和Worker具体任务的执行节点。总的设计思想：分而治之——将大文件、大批量文件，分布式存放在大量独立的服务器上，以便于采取分而治之的方式对海量数据进行运算分析。

HDFS是一个主/从（Mater/Slave）体系结构，从最终用户的角度来看，它就像传统的文件系统一样，可以通过目录路径对文件执行CRUD（Create、Read、Update和Delete）操作。但由于分布式存储的性质，HDFS集群拥有一个NameNode和一些DataNode。NameNode管理文件系统的元数据，DataNode存储实际的数据。客户端通过同NameNode和DataNodes的交互访问文件系统。客户端联系NameNode以获取文件的元数据，而真正的文件I/O操作是直接和DataNode进行交互的。
HDFS一般是用来“一次写入，多次读取”，不适合做实时交互性很强的事情，不适合存储大量小文件（当然，如果你偏要存大量小文件的话本文末尾会有解决方案).

文章出处：HDFS基本原理及数据存取实战_朱培的博客-CSDN博客_hdfs的基本原理

二、HDFS工作原理

2.1基本原理
１ 分布式文件系统，它所管理的文件是被切块存储在若干台datanode服务器上.

２ hdfs提供了一个统一的目录树来定位hdfs中的文件，客户端访问文件时只要指定目录树的路径即可，不用关心文件的具体物理位置．

３ 每一个文件的每一个切块，在hdfs集群中都可以保存多个备份（默认３份），在hdfs-site.xml中，dfs.replication的value的数量就是备份的数量．

４ hdfs中有一个关键进程服务进程：namenode，它维护了一个hdfs的目录树及hdfs目录结构与文件真实存储位置的映射关系（元数据）．而datanode服务进程专门负责接收和管理＂文件块＂-block.默认大小为１２８Ｍ(可配置),(dfs.blocksize)．（老版本的hadoop的默认block是64M的）

为什么要用hadoop？

1、为什么不用 [数据库]+[更多的磁盘] 来做大规模的批量分析而用map reduce？

1、寻址时间的提高速度远远慢于传输速率的提高

2、更新一小部分数据时传统数据库效果好（B树数据库），更新大部分数据时，没有MapRecude效率高。

3、RDBMS 适合点查询和更新，MapReduce适合处理那些需要分析整个数据集的问题（批处理）。

4、MapReduce适合一次写入多次读取。

5、RDBMS 操作的数据是结构化的，MapReduce对半结构化/非结构化的数据（纯文本/图片等）非常有效。