Hadoop-HDFS

Hadoop的HDFS（Hadoop Distributed File System）是一个分布式文件系统，它被设计用来在普通的硬件上运行，并且提供高吞吐量访问应用程序数据的能力。

HDFS 架构

HDFS 遵循主/从架构，由单个 NameNode(NN) 和多个 DataNode(DN) 组成：

• NameNode : 负责执行有关 文件系统命名空间 的操作，例如打开，关闭、重命名文件和目录等。它同时还负责集群元数据的存储，记录着文件中各个数据块的位置信息。(第一无二，主要职责就是沟通协调)
• DataNode：负责提供来自文件系统客户端的读写请求，执行块的创建，删除等操作。（依稀系统可以有多个，主要职责就是存储数据）

各角色职责

写数据

客户端        

1. 写数据时负责将文件切分成数据块  (64,128MB)
2. 2个重要参数：block size：标识块大小；replication faxtor：表示数据存储在几个不通的地方

NameNode:

1. NameNode分配DataNode地址给客户端

DataNode:

1. 将数据存储在硬盘里
2. 接收数据时同时将同样的数据发送下一个DataNode
3. 通知NameNode数据所有数据写入完成

读数据

客户端        

1. 告诉NameNode所要读取的文件名
2. 根据NameNode返回的数据块地址，从最近的一个DataNode请求返回数据

NameNode:

1. 收到客户端读请求后返回数据所在的地址，包括数据块列表和数据块对应的DataNode列表

DataNode:

1. 收到客户端请求后返回数据

故障检测

1. DataNode会每3秒发送一个心跳到NameNode，如果NameNode在10分钟内没有收到DataNode发送的心跳，则认为DataNode已经挂了。
2. 客户端在发送数据到DataNode时，DataNode会回复一个应答信号，如果客户端没有收到应答信号（多次尝试后），客户端会认为主机已经挂掉。
3. 客户端在发送数据到DataNode时，会携带一段校验和，DataNode会将数据和校验和一起存到硬盘。
4. DataNode会定时发送所有DataNode的数据报告给NameNode，发送前会校验校验和，若数据损坏（校验和不正确），则不会发送损坏的数据块信息。