Hadoop之HDFS概述

HDFS概述

1.1 HDFS产生及定义

随着数据量越来越大，在一个操作系统存储不下所有的数据，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 Distnbuted File System),它是一个文件系统，用来存储文件，通过目录树来定位文件；其次，他是分布式的，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，且比支持文件的修改。适合用来做数据分析，不适合用来做网盘应用。

1.2 HDFS优缺点

1.2.1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。

(2)某个副本丢失以后，它可以自动恢复。

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。

1.2.2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。

1.3HDFS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)管理数据块策略；

(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；

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曾删改查操作。

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.