四、HADOOP(HDFS)—01

四、HADOOP(HDFS)—01

1、Haoop常用端口号

	Hadoop2.x	hadoop3.x
访问HDFS端口	50070	9870
访问MR执行情况端口	8088	8088
历史服务器	19888	19888
客户端访问集群端口	9000	8020

2、Hadoop配置及集群的搭建

(1) 配置文件：

Hadoop2.x	Hadoop3.x
core-site.xml	core-site.xml
hdfs-site.xml	hdfs-site.xml
mapred-site.xml	mapred-site.xml
yarn-site.xml	yarn-site.xml
slaves	workers

(2)简单集群的搭建过程

a、JDK安装

b、配置SSH免密钥

c、配置Hadoop核心文件

d、格式化nameNode

3、HDFS的定义

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。

4、HDFS的优缺点

1、优点

(1) 高容错性

a、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。

b、某一个副本丢失以后，它可以自动恢复。

(2) 适合处理大数据

a、数据规模：能够出路数据规模达到GB、TB、甚至PB级别的数据。

b、文件规模：能够处理百万规模以上的文件按数量，数量相当之大。

c、可构建在廉价机器上，通过多副本机制，提高可靠性。

2、缺点

(1) 不适合低延时数据访问，比如毫秒级的存储数据，是做不到的。

(2) 无法高效的对大量小文件进行存储。

a、存储大量小文件的话，他会占用NameNode大量的内存来存储文件、目录和块信息。

b、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。

(3) 不支持并发写入、文件随机修改

a、一个文件只能有一个写，不允许多个线程同时写。

b、仅支持数据append(追加),不支持文件的随机修改。

5、HDFS组成架构

(1) nameNode ：就是Master，它是一个主管、管理者。

a、管理HDFS的名称空间

b、配置副本策略

c、管理数据块(Block)的映射信息

d、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。

a、存储实际的数据块

b、执行数据块的读/写操作

(3) Client : 就是客户端

a、文件切分。文件上传HDFS时，Client将文件切分成一个一个的Block，然后进行上传。

b、与NameNode交互，获取文件的位置信息

c、与DataNode交互，读取或者写入数据

d、Client提供一些命令来管理HDFS，比如NameNode格式化

e、Client可以通过一些命令来访问HDFS，比如对NameNode增删改查操作

(4) Secondary NameNode：并非NameNode的热备。档NameNode挂掉的时候，它并不能马上替换NameNode并提供服务

a、辅助NameNode，分担其工作量，比如定期合并simage和Edits，并推送给NameNode。

b、在紧急情况下，可辅助恢复NameNode

(6) HDFS文件块大小(重点)

HdFS中的文件在物理上时分块存储，块的大小可以通过配置参数(dfs.blocksize)来规定，默认大小在Hadoop2.x版本中是128M，老版本为64M

问题：

为什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) 如果块设置太大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。导致程序在处理这块数据时，会非常慢。

总结：HDFS的块大小设置主要取决与磁盘的传输速率