HDFS(Hadoop Distributed File System) 是易于扩展的分布式文件系统, 可以运行在大量的普通低成本机器上,提供容错机制, 而且可以为用户提供性能极好的文件存储服务。
HDFS的优点有:
- (1)高容错性
- 数据自动保存多个副本,副本丢失自动恢复
- (2)适合批量处理
- 移动计算而非数据,数据位置暴露给计算框架
- (3)适合大数据处理
- TB,PB级的数据,百万规模以上的文件数量,10K+节点
- (4)流式文件访问
- 一次写入,可多次读取,确保数据的一致性
- (5)可构建在廉价机器上
- 通过多副本提高可靠性,有容错和恢复机制
HDFS的缺点与不足有:
- (1)不适合低延迟数据访问
- 比如毫秒级的访问要求
- 低延迟与高吞吐率的权衡
- (2)不适合小文件存取
- 占用NameNode大量内存
- 寻道时间超过读取时间
- (3)不适合并发写入、文件随机修改
- 一个文件只能有一个Writer
- 仅支持append写入
HDFS的设计思想:
- (1)HDFS集群分为两大角色:NameNode、DataNode (Secondary Namenode)
- (2)NameNode负责管理整个文件系统的元数据(整个hdfs文件系统的目录树和每个文件的block信息)
- (3)DataNode 负责管理用户的文件数据块
- (4)文件会按照固定的大小(blocksize)切成若干块后分布式存储在若干台datanode上
- (5)每一个文件块可以有多个副本,并存放在不同的datanode上
- (6)Datanode会定期向Namenode汇报自身所保存的文件block信息,而namenode则会负责保持文件的副本数量
- (7)HDFS的内部工作机制对客户端保持透明,客户端请求访问HDFS都是通过向namenode申请来进行
HDFS数据块:
- (1)文件被切分成固定大小的数据块
- 默认数据块的大小为64M,可配置
- 若文件大小不到64M,则单独保存在一个块
- (2)数据块大小的确定原则
- 数据传输时间VS寻道时间
- (3)文件的存储方式
- 按大小被切分成若干个块,存储到不同的节点上
- 默认情况下每个块有三个副本
HDFS写流程:
客户端要向HDFS写数据,首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode,然后,客户端按顺序将文件逐个block传递给相应datanode,并由接收到block的datanode负责向其他datanode复制block的副本。
- (1)根namenode通信请求上传文件,namenode检查目标文件是否已存在,父目录是否存在
- (2)namenode返回是否可以上传
- (3)client请求第一个 block该传输到哪些datanode服务器上
- (4)namenode返回3个datanode服务器ABC
- (5)client请求3台dn中的一台A上传数据(本质上是一个RPC调用,建立pipeline),A收到请求会继续调用B,然后B调用C,将真个pipeline建立完成,逐级返回客户端
- (6)client开始往A上传第一个block(先从磁盘读取数据放到一个本地内存缓存),以packet为单位,A收到一个packet就会传给B,B传给C;A每传一个packet会放入一个应答队列等待应答
- (7)当一个block传输完成之后,client再次请求namenode上传第二个block的服务器。
HDFS读流程:
客户端将要读取的文件路径发送给namenode,namenode获取文件的元信息(主要是block的存放位置信息)返回给客户端,客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件。
- (1)跟namenode通信查询元数据,namenode找到文件块所在的datanode服务器
- (2)挑选一台datanode(就近原则,然后随机)服务器,请求建立socket流
- (3)datanode开始发送数据(从磁盘里面读取数据放入流,以packet为单位来做校验)
- (4)客户端以packet为单位接收,现在本地缓存,然后写入目标文件