HDFS

第一章 HDFS概述

1、HDFS产生背景及定义

   随着数据量的爆炸增长，一个操作系统存不下所有的数据；这样就需要把数据分配到更多的操作系统管理的磁盘中，但是这样也随着带来一些问题：不方便管理和维护。在这样的情况下，需要一种系统能管理多台机器上的文件，这就是分布式文件管理系统，而HDFS就是其中的一种。

   HDFS英文全称为：Hadoop Distributed File System, 是一个文件系统，用来存储文件，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。

2、HDFS优缺点

优点：

1）高容错性

    数据自动保存多个副本，通过增加副本的形式，来提高容错性。某一个副本丢失以后，可以自动恢复

2）适合处理大数据

    （1）数据规模：能够处理数据规模达到GB、RB，甚至PB级别的数据

    （2）文件规模：能够处理百万规模以上的文件数量

3）可构建在廉价机器上

缺点：

1）不适合低延时数据访问

2）无法高效的对大量小文件进行存储

（1）存储大量小文件，就会占用NameNode大量的内存来存储文件目录和块信息。

（2）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

（1）一个文件只能由一个线程写入，不允许多个线程同时写

（2）仅支持数据append，不支持文件的随机修改

3、HDFS组成架构

 

1）NameNode(NN): 

（1）管理HDFS的名称空间