HDFS 出现背景
随着数据量越来越大,一个操作系统存不下所有数据,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,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。
HDFS定义
HDFS(Hadoop Distributed File System),它是一个文件系统,用于存储文件,通过目录树来定位文件,其次是分布式,由很多服务器联合起来实现其功能,集群中服务器有各自角色。
HDFS的使用场景:适合一次写入,多次读出的场景,且不支持文件修改,适合用来做数据分析,并不适合用来做网盘应用。
HDFS优缺点
优点
-
高容错性
数据自动保存多个副本,它通过增加副本,提高容错性
某一个副本丢失,可以自动恢复 -
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 -
高可靠
可以构建在廉价机器上,通过多副本机制,实现高可靠性
缺点
- 不适合低延时数据访问
毫秒级的存储数据,是做不到的 - 无法高效的对大量小文件进行存储
存储大量小文件,会占用NameNode大量的内存来存储文件目录和块信息,这种方式不可取,因为NameNode的内存是有限的
小文件存储的寻址时间会超过读取时间,违反HDFS的设计目标 - 不支持并发写入、文件随机修改
一个文件只能有一个写,不允许多个线程同时写
仅支持数据追加(append),不支持文件随机修改