Hadoop之HDFS概述

1、HDFS产生背景及定义

　　一、HDFS产生背景

　　　　随着数据量愈来愈大，在一个操做系统存不下全部的数据，那么就分配到更多的操做系统管理的磁盘中，可是不方便管理和维护，迫切须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。

　　二、HDFS定义

　　　　HDFS（Hadoop Distributed File System），它是一个文件系统，用于存储文件，经过目录树来定位文件；其次，它是分布式的，由不少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，屡次读出的场景，且不支持文件的修改。适合用来作数据分析，并不适合用来作网盘应用。

 

2、HDFS优缺点

　　一、优势

　　　　1）高容错性

　　　　　　a、数据自动保存多个副本。它经过增长副本的形式，提升容错性。

　　　　　　

　　　　　　b、某个副本丢失之后，它能够自动恢复。

　　　　　　

　　　　2）适合处理大数据

　　　　　　a、数据规模：可以处理数据规模达到GB、TB、甚至PB级别的数据

　　　　　　b、文件规模：可以处理百万规模以上的文件数量，数量至关之大。

　　　　3）可构建在廉价机器上，经过多副本机制，提升可靠性。

　　二、缺点

　　　　1）不适合低延时数据访问，好比毫秒级的存储数据，是作不到的。

　　　　2）没法高效的对大量小文件进行存储。　　

　　　　　　a、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，由于NameNode的内存老是有限的。

　　　　　　b、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。

　　　　　　a、一个文件只能有一个写，不容许多个线程同时写；

　　　　　　b、仅支持数据append（追加），不支持文件的随机修改。

 

3、HDFS架构组成

一、NameNode（nn）：在整个集群中是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

二、DataNode（dn）：它是Slave，NameNode下达命令，DataNode执行实际的操做。

　　1）存储实际的数据块；

　　2）执行数据块的读/写操做

三、Client：客户端

　　1）文件切分。文件上传HDFS的时候，Client将文件切分红一个一个的Block，而后进行上传

　　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，好比NameNode格式化

　　5）Client能够经过一些命令来访问HDFS，好比对HDFS增删查改操做

四、Secondary NameNode：并不是NameNode的热备。当NameNode挂掉的时候，它并不能立刻替换NameNode并提供服务。

　　1）辅助NameNode，分担其工做量，好比按期合并Fsimage和Edits，并推送给NameNode

　　2）在紧急状况下，可辅助恢复NameNode。

 

4、HDFS文件块大小

　　HDFS的文件在物理上是分块存储（Block），块的大小能够经过配置参数（dfs.blocksize）来设定，默认大小在Hadoop2.x版本中是128M，老版本中是64M。

　　

　　思考：为何块的大小不能设置过小，也不能设置太大？

　　1）HDFS的块设置过小，会增长寻址时间，程序一直在找块的开始位置；

　　2）若是块设置的太大，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时间，致使程序在处理这块数据时，会很是慢。

　　总结：HDFS块的大小设置主要取决于磁盘传输速率。