目录
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。
优点
1
)高容错性
2
)适合处理大数据
3
)可
构建在廉价机器上
,通过多副本机制,提高可靠性。
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
)
无法高效的对大量小文件进行存储。
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。
架构
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
将文件切分成一个一个的
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
增删查改操作;
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。
(
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
。
文件块
HDFS
中的文件在物理上是分块存储(
Block
),块的大小可以通过配置参数
( dfs.blocksize
)来规定,
默认大小在
Hadoop2.x/3.x
版本中是
128M
,
1.x
版本中是
64M
寻址时间为传输时间的
1% 时,则为最佳状态。
思考:为什么块的大小不能设置太小,也不能设置太大?
(
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。
总结:
HDFS
块的大小设置主要取决于磁盘传输速率。
来源:b站尚硅谷