HDFS的学习从以下几个方面展开
1.1 HDFS产出背景及定义
-
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。
-
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。
-
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
- 优点
- 缺点
1.3 组成
-
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。
-
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。
-
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;
-
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。
- 块设置太小,会增加寻址空间,程序一直在找块的开始位置;
- 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。