Hadoop 之 HDFS 概述 05

HDFS 产生背景及定义

• HDFS产生背景

        随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统。HDFS 只是分布式文件管理系统中的一种。

• HDFS 定义

        HDFS（Hadoop Distributed File System），它时一个文件系统，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。

HDFS 优缺点

• 优点

• 缺点

HDFS 组成架构

• NameNode

        NameNode（nm）：就是 Master，它时一个主管、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。

• DataNode

        DataNode：就是 Slave（Workers）。NameNode 下达命令，DataNode 执行实际的操作。

                1.存储实际的数据库；

                2.执行数据库的读、写操作。

• SecondaryNameNode

        SecondaryNameNode：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。

Client

        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，读取活着写入数据；

                4.Client 提供一些命令来管理 HDFS，比如 NameNode 格式化；

                5.Clinet 可以通过一些命令来访问 HDFS，比如对 HDFS 增删改查操作；

HDFS 文件快大小（面试重点）

        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。

        如果是普通的机械硬盘100M/s左右，建议设置为128M,如果是固态硬盘200M ~ 300M 之间，建议设置为256M。