1. 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。
2. 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。
3. hdfs的优缺点:
优点 | 缺点 |
1.容错性高 2.适合海量数据的存储和管理 | 1.仅支持数据的追加,不支持直接修改 2.hdfs对小文件比较敏感 |
4.hdfs组成架构
4.1 NameNode (nn) :就是Master,它是一个主管、管理者。
(1)管理HDFS的名称空间;
(2)配置副本策略;
(3)管理数据块(Block) 映射信息;
(4) 处理客户端读写请求。
4.2 DataNode:就是Slave。NameNode下达命令,DataNode执行实际的操作。
(1) 存储实际的数据块;
(2)执行数据块的读/写操作。
4.3 Client:就是客户端。
(1)文件切分。文件上传HDFS的时候,Client将文件切分成一个一个的Block,然后进行上传;
(2) 与NameNode交互,获取文件的位置信息;
(3) 与DataNode交互,读取或者写入数据;
(4) Client提供一些命令来管理IDFS,比如NaneNode格式化;
(5) client可以通过一些命令来访问HDFS,比如对HDFs增删查改操作;
4.4 Seconday NameNode:并非NameNode的热备。
(当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务。)
(1)辅助NameNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNode ;
(2)在紧急情况下,可辅助恢复NameNode。
5. hdfs的文件块大小的设置依据
寻址时间是传输时间的1% 为最佳状态,最终文件块大小还要结合存储磁盘的传输性能的灵活而定
思考:为什么块的大小不能设置太小,也不能设置太大?
(1)HDFS的块设置太小,会增加寻址时间,程序一直在找块的开始位置;
(2)如果块设置的太大,从磁盘传输数据的时间会明显大于定位这个块开冶位置所需的时间。导致程序在处理这块数据时,会非常慢。
总结:HDFS块的大小设置主要取决于磁盘传输速率