一、 HDFS产出背景及定义
1.1 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。
1.2 HDFS定义
HDFS (Hadoop Distributed File System
),它是一一个文件系统,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。
二、 HDFS优缺点
2.1 优点
-
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。 -
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。 -
可构建在廉价机器上,通过多副本机制,提高可靠性。
2.2 缺点
-
不适合低延时数据访问,比如毫秒级的存数据,是做不到的。
-
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。 -
不支持并发写入、文件随机修改。
(1) 一个文件只能有一 个写,不允许多个线程同时写;
(2) 仅支持数据append
(追加),不支持文件的随机修改。
三、HDFS组成架构
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。
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。
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HDFS,比如NameNode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. Secondary 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
.
四、HDFS文件块大小