Hadoop组成之HDFS概述

 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。

 

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，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，并不适合用来做网盘应用。

 

 HDFS优缺点

       优点

               1）高容错性

               （1）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。

                    

              （2）某一个副本丢失以后，它可以自动恢复

                     

              2）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。

                 （3）可构建在廉价机器上，通过多副本机制，提高可靠性。

     

         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

                    （1）存储大量小文件的话，它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的，因为NameNode的内存总是有限的；

                   ( 2）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

                 3)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。

 

HDFS组成架构