Hadoop-----HDFS

Hadoop主要由HDFS（Hadoop分布式文件系统）和MapReduce两个核心部分组成。其中最底部就是HDFS,它被用来存储Hadoop集群中所有存储节点上的文件。

1、HDFS的产生背景

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，那么就需要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

（1）高容错性

   I、数据自动保存多个副本。它可以通过增加副本的形式，提高容错性。

   II、某一个副本丢失以后，它可以自动恢复。

（2）适合大规模处理

    I、数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据。

    II、文件规模：能够处理百万规模以上的文件数量，数量相当大。

（3）可构建在廉价机器上。

3、缺点

（1）无法高效的对大量小文件进行存储。

因为存储大量小文件的话，会占用大量的NameNode内存来存储文件，NameNode的内存总是有限的。

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。

（2）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append（追加），不支持文件的随机修改。

4、HDFS组成架构

HDFS架构主要由四个部分组成，分别为HDFS Client、NameNode、DataNode和Secondary NameNode。下面分别介绍这四个组成部分。

（1）Client：客户端

文件切分：文件上传到HDFS的时候，Client将文件切分成一个一个的Block，然后存储到各个DataNode上。

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提供一些命令来管理HDFS,比如启动或者关闭HDFS;

Client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。

管理HDFS的名称空间。

管理数据块（Block）映射信息。

配置副本策略。

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。

存储实际的数据块。

执行数据块的读/写操作。

（4）Secondary NameNode：它不是NameNode的候补，当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。

辅助NameNode，分担其工作量。

定期合并Fsimage和Edits，并推送给NameNode。

在紧急情况下，可辅助恢复NameNode。

5、HDFS文件块的大小

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（dfs.blocksize)来规定，在hadoop2.x版本中，默认大小是128M，老版本中是64M。

思考：为什么块的大小不能设置的太小，也不能设置的太大？

HDFS的块比磁盘的块大，其目的是为了最小化寻址开销。如果块设置的足够大，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文件的时间取决于磁盘传输速率。

 

当有节点要访问某个文件的时候，它会先访问namenode，获取文件的位置信息，然后和dataNode直接通讯获取数据块，（类似目录的作用）

 

6、Hdfs读写文件的过程

（1）HDFS读取文件过程

    Configuration conf = new Configuration();
    FileSystem fs = FileSystem.get(conf);
    Path file = new Path("demo.txt");
    FSDataInputStream inStream = fs.open(file);
    String data = inStream.readUTF();
    System.out.println(data);
    inStream.close();

（2）HDFS写文件的过程

   Configuration conf = new Configuration();
    FileSystem fs = FileSystem.get(conf);
    Path file = new Path("demo.txt");
    FSDataOutputStream outStream = fs.create(file);
    outStream.writeUTF("Welcome to HDFS Java API!!!");
    outStream.close();