【hadoop】HDFS原理 和 重要特性

一、NameNode 概述

1. NameNode 是 HDFS 的核心。
2. NameNode 也称为 Master。
3. NameNode 仅存储 HDFS 的元数据：文件系统中所有文件的目录树，并跟踪整个集群中的文件。
4. NameNode 不存储实际数据或数据集。数据本身实际存储在 DataNodes 中。
5. NameNode 知道 HDFS 中任何给定文件的块列表及其位置。使用此信息NameNode 知道如何从块中构建文件。
6. NameNode 并不持久化存储每个文件中各个块所在的 DataNode 的位置信息，这些信息会在系统启动时从数据节点重建。
7. NameNode 对于 HDFS 至关重要，当 NameNode 关闭时，HDFS / Hadoop 集群无法访问。
8. NameNode 是 Hadoop 集群中的单点故障。
9. NameNode 所在机器通常会配置有大量内存（RAM）。

二、DataNode 概述

1. DataNode 负责将实际数据存储在 HDFS 中。
2. DataNode 也称为 Slave。
3. NameNode 和 DataNode 会保持不断通信。
4. DataNode 启动时，它将自己发布到 NameNode 并汇报自己负责持有的块列表。
5. 当某个 DataNode 关闭时，它不会影响数据或群集的可用性。NameNode 将安排由其他 DataNode 管理的块进行副本复制。
6. DataNode 所在机器通常配置有大量的硬盘空间。因为实际数据存储在DataNode 中。
7. DataNode 会定期（dfs.heartbeat.interval 配置项配置，默认是 3 秒）向NameNode 发送心跳，如果 NameNode 长时间没有接受到 DataNode 发送的心跳， NameNode 就会认为该 DataNode 失效。
8. block 汇报时间间隔取参数 dfs.blockreport.intervalMsec,参数未配置的话默认为 6 小时.

三、HDFS的工作机制

NameNode 负责管理整个文件系统元数据；
DataNode 负责管理具体文件数据块存储；Secondary NameNode 协助 NameNode 进行元数据的备份。
HDFS 的内部工作机制对客户端保持透明，客户端请求访问 HDFS 都是通过向NameNode 申请来进行。