HDFS概述
1 HDFS产生的背景
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,迫切的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的一种。
2 HDFS的定义
HDFS,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,他是分布式的,由很多服务器联合起来实现其功能,集群中的服务有各自的角色。
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。适合做数据分析,并不适合做网盘应用
3 HDFS优缺点
3.1 优点
1)高容错性
- 自动保存多个副本,通过增加副本的形式,提高容错性。
- 当一个副本丢失以后,它可以自动恢复。
2)适合处理大数据
- 数据规模:可以处理GB,TB甚至是PB级别的数据。
- 文件规模:可以处理百万规模以上的文件数量,数量大。
3)可以构建在廉价的机器上,通过多副本机制,提高可靠性。
3.2 缺点
1)不适合低延时护具访问,比如毫秒级的存储数据。
2)无法高效对大量小文件进行存储。
- 存储大量小文件会占用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,违反了HDFS的设计目标。
3)不支持并发写入,文件随机修改
- 一个文件只能一个写,不支持多线程同时写。
- 仅支持数据追加,不支持文件随机修改。
4 HDFS的组成架构
1)NameNode(nn):就是master,他是一个主管,管理者
- 管理HDFS的名称空间
- 配置副本策略
- 管理数据块(Block)的映射信息。
- 处理客户端读写请求。
2)DataNode:就是Slave。NameNode下达命令,DataNode执行实际的操作。
- 存储实际的数据块。
- 执行数据块的读/写操作。
3)Client:客户端
- 文件的切分,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。
- 与Name交互,获取文件的位置信息。
- 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通过一些命令访问HDFS,比如对HDFS的增删改查。
4)SecondaryNameNOde:非NameNode的热备,当NameNode挂掉的时候,它不能马上替换NameNode进行工作。
- 复制NameNode,分担工作量。比如定期合并Fsimage和Edits,并推送给Namenode。
- 紧急情况下,辅助恢复NameNode。
5 HDFS文件块大小
Hdfs中的文件在物理上是分块存储的,块的大小可以提供配置参数(dfs.blocksize)来规定,在Hadoop2.x默认为128M,老版本为64m。
思考:问什么块大小不能太小,也不能太大。
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)如果块设置的太大,从磁盘传输数据的时间会明显大于定义的时间,导致程序处理这块数据非常的慢。
3)HDFS块的大小设置取决于磁盘传输速率。