分布式文件系统HDFS（一）

1、分布式文件系统详细介绍

在hadoop当中，分布式文件系统（HDFS），对文件系统有一个抽象，HDFS属于当中的一个实现类，也就是说分布式文件系统类似于一个接口，定义了标准，下面有很多的实现类，其中HDFS是一个子实现类而已，但是现在很多人都只知道一种就是HDFS的实现，并没有了解过其他的实现类，其实分布式文件系统的实现有很多种，

具体详细参见hadoop权威指南第三版第59页

 

 

     

 

2、HDFS分布式文件系统设计目标

1、 硬件错误  由于集群很多时候由数量众多的廉价机组成，使得硬件错误成为常态

2、  数据流访问  所有应用以流的方式访问数据，设置之初便是为了用于批量的处理数据，而不是低延时的实时交互处理

3、  大数据集   典型的HDFS集群上面的一个文件是以G或者T数量级的，支持一个集群当中的文件数量达到千万数量级

4、  简单的相关模型  假定文件是一次写入，多次读取的操作

5、  移动计算比移动数据便宜   一个应用请求的计算，离它操作的数据越近，就越高效

6、  多种软硬件的可移植性

 

3、HDFS的来源

HDFS起源于Google的GFS论文（GFS，Mapreduce，BigTable为google的旧的三驾马车）

       发表于2003年10月

       HDFS是GFS的克隆版

Hadoop Distributed  File  system

       易于扩展的分布式文件系统

       运行在大量普通廉价机器上，提供容错机制

       为大量用户提供性能不错的文件存取服务

4、HDFS的架构图之基础架构

 

  


         

 

1、 NameNode是一个中心服务器，单一节点（简化系统的设计和实现），负责管理文件系统的名字空间（namespace）以及客户端对文件的访问

2、 文件操作，namenode是负责文件元数据的操作，datanode负责处理文件内容的读写请求，跟文件内容相关的数据流不经过Namenode，只询问它跟哪个dataNode联系，否则NameNode会成为系统的瓶颈

3、 副本存放在哪些Datanode上由NameNode来控制，根据全局情况作出块放置决定，读取文件时NameNode尽量让用户先读取最近的副本，降低读取网络开销和读取延时

4、 NameNode全权管理数据库的复制，它周期性的从集群中的每个DataNode接收心跳信合和状态报告，接收到心跳信号意味着DataNode节点工作正常，块状态报告包含了一个该DataNode上所有的数据列表