第一章 HDFS概述

HDFS的学习从以下几个方面展开

1.1 HDFS产出背景及定义

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，那么久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态机器上的文件，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。

2. HDFS定义：HDFS（Hadoop Distribute 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。

3. 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。

1.2 优缺点

1. 优点

   

2. 缺点

   

1.3 组成

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将文件切成一个一个的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增删改查操作；

4. Secondary NameNode（2nn）：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。

1.4 文件块大小

HDFS文件块大小，既不能设置太小，也不能设置太大。HDFS块大小的设置主要取决于磁盘的传输速率。

1. 块设置太小，会增加寻址空间，程序一直在找块的开始位置；
2. 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。