HDFS概述

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。

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。一个文件经过创建、写入和关闭之后就不需要改变。

HDFS优点

1）高容错性

        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

        某个副本丢失，可以自动恢复

2）适合处理大数据

        数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据

        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

3）可构建在廉价机器上，通过多副本机制，提高可靠性

HDFS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）无法高效的大量小文件进行存储

        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。

        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

        一个文件只能有一个写，不允许多个线程同时写

        仅支持数据append（追加），不支持文件的随机修改

 

HDFS组成架构 

1）NameNode（nn）：就是Master，它是一个管理者。

• 管理HDFS的名称空间
• 配置副本策略
• 管理数据库（Block）映射信息
• 处理客户端读写请求

2）DataNode：就是Slave。NameNode下达命令，DataNode执行实际操作。

• 存储实际的数据块
• 执行数据块的读写操作

3）Client：客户端

• 文件切分。文件上传HDFS的适合，Client将文件切分成一个一个的Block，然后上传
• 与NameNode交互，读取文件的位置信息
• 与DataNode交互，读取或者写入数据
• Client提供一些命令来管理HDFS，比如NameNode格式化
• Client可以通过一些命令来访问HDFS，比如对HDFS增删改查操作

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。

• 辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode
• 在紧急情况下，可辅助恢复NameNode