HDFS 分布式文件系统

博客出处W3c：https://www.w3cschool.cn/hadoop/xvmi1hd6.html

简介

Hadoop Distributed File System，分布式文件系统

架构

 

• Block数据&##x5757;

  1. 基本存储单位，通常大小为64M（配置大的块主要是由于：1）减小搜寻时间，通常硬盘传输速率比寻道时间要快，大的块能够减小寻道时间；2）减小管理块的数据开销，每一个块都须要在NameNode上有对应的记录；3）对数据块进行读写，减小创建网络的链接成本）

  2. 一个大文件会被拆分红一个个的块，而后存储于不一样的机器。若是一个文件少于Block大小，那么实际占用的空间为其文件的大小

  3. 基本的读写S#x5355;位，相似于磁盘的页，每次都是读写一个块

  4. 每一个块都会被复制到多台机器，默认复制3份

• NameNode

  1. 存储文件的metadata，运行时全部数据都保存到内存，整个HDFS可存储的文件数受限于NameNode的内存大小

  2. 一个Block在NameNode中对应一条记录（通常一个block占用150字节），若是是大量的小文件，会消耗大量内存。同时map task的数量是由splits来决定的，因此用MapReduce处理大量的小文件时，就会产生过多的map task，线程管理开销将会增长做业时间。处理大量小文件的速度远远小于处理同等大小的大文件的速度。所以Hadoop建议存储大文件

  3. 数据会定时保存到本地磁盘，但不保存block的位置信息，而是由DataNode注册时上报和运行时维护（NameNode中与DataNode相关的信息并不保存到NameNode的文件系统中，而是NameNode每次重启后，动态重建）

  4. NameNode失效则整个HDFS都失效了，因此要保证NameNode的可用性

• Secondary NameNode

  1. 定时与NameNode进行同步（按期合并文件系统镜像和编辑日&#x#x5FD7;，而后把合并后的传给NameNode，替换其镜像，并清空编辑日志，相似于CheckPoint机制），但NameNode失效后仍须要手工将其设置成主机

• DataNode

  1. 保存具体的block数据

  2. 负责数据的读写操做和复制操做

  3. DataNode启动时会向NameNode报告当前存储的数据块信息，后续也会定时报告修改信息

  4. DataNode之间会进行通讯，复制数据块，保证数据的冗余性