大数据技术之Hadoop（HDFS）第1章 HDFS概述

最新推荐文章于 2024-04-09 17:19:14 发布

五角钱的程序员

最新推荐文章于 2024-04-09 17:19:14 发布

阅读量4.3k

点赞数 1

分类专栏：大数据文章标签：分布式 java 大数据 hadoop 数据库

本文链接：https://blog.csdn.net/youif/article/details/107995480

版权

大数据专栏收录该内容

28 篇文章 18 订阅

订阅专栏

1 HDFS产出背景及定义

1.1 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。

1.2 HDFS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，且不支持文件的修改。适合用来做数
据分析，并不适合用来做网盘应用。

2 HDFS优缺点

2.1优点

1)高容错性

(1)数据自动保存多个副本。它通过增加副本的形式，提高容错性。

在这里插入图片描述

(2)某一个副本丢失以后，它可以自动恢复。
在这里插入图片描述

2)适合处理大数据

(1)数据规模:能够处理数据规模达到GB、TB、 甚至PB级别的数据;
(2)文件规模:能够处理百万规模以上的文件数量，数量相当之大。

3)可构建在廉价机器上，通过多副本机制，提高可靠性。

2.2 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。
（1）存储大量小文件的话，它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的，因为NameNode的内存总是有限的；
（2）小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标。
3）不支持并发写入、文件随机修改。
（1）一个文件只能有一个写，不允许多个线程同时写；
（2）仅支持数据append（追加），不支持文件的随机修改。

在这里插入图片描述

3 HDFS组成架构

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。

在这里插入图片描述
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。