Hadoop -- 分布式文件系统

1、分布式文件系统的思想：文件切分的思想（分而治之）

        当文件存储在磁盘中，不仅效率比较低，并且文件的大小可能会超出单机的存储的范围。

所以分而治之的思想就是：

        不管文件有多大，所有的文件都是由字节数组构成，当想要切分文件的时候，就是将一个字节数组切分成多份，当需要使用这份数据的时候，就可以根据偏移量将字节数据拼接在一起，此时数据又可以继续使用。

2、Block的拆分标准：

        1、block是磁盘进行数据读/写的最小单元，数据被切分后的一个整体叫做块。在Hadoop1.0的版本中，默认的大小是64M，在Hadoop2.0以及后面的版本中，默认的大小是128M，这样的目的是达到最小的寻址开销。

        2、在同一文件中，每一个block的大小是基本一致的，除了最后节点之外。然么对于不同的文件的block的大小是可以不一样的，不同的文件的大小可以设置成不同数量的block数量。

        3、数据块的个数=Ceil(文件大小/每个块的大小)

3、对于block需要等大的原因：

        1、可以达到最小的寻址的开销。

        2、可以再计算的时候降低计算的复杂度。

        3、可以通过偏移量来确定block的位置，并来拉取数据。

        4、对于相同的文件block因该是等大的。

        5、对于拉去的时间会基本一致。

注意事项

        a. 只要有任意一个块丢失,整个数据文件被损坏

​         b. HDFS中一旦文件被存储,数据不