HDFS：1.概述

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