HDFS 概述

HDFS 概述

HDFS的产生背景和定义

HDFS产生背景

解决海量数据的存储问题

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。 一个文件经过创建、写入和关闭之后就不需要改变。

优缺点

优点

1.高容错性

2.适合处理大数据

3.可以构建在廉价机器上，通过多副本机制，提高可靠性

缺点

1.不适合低延时数据访问，比如毫米级的存储数据

2.无法高效的对大量小文件进行存储，适用于快速寻找

寻址时间为传输时间的1%时，为最佳状态

3.不支持并发写入、文件随机修改

组成

NameNode

NameNode(nn)是Master，管理者。

管理HDFS的名称空间

所有文件的元数据
配置副本策略

比如集群中有多个文件a，b，c，设置a的副本有1个、b的副本有2个、c的副本有3个。告诉Datanode维持几份副本
管理数据块(Block)的映射信息
处理客服端读写请求

DataNode

NameNode下达命令，DataNode执行实际的操作。

存储实际的数据块
执行数据块的读/写操作

Secondary NameNode(2nn)

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

辅助NameNode，分担其工作量，比如定期合并Fsimage(镜像文件)和Edits(编辑日志)，并推送给NameNode
在紧急情况下，可辅助恢复NameNode（只能恢复部分，因为2nn并没有NameNode的全部数据）

Client

Client就是客户端

文件切分。文件上传HDFS的时候，Client将文件切分成一个个block(按NameNode的文件块来分)
与NameNode交互,获取文件的位置信息
与DataNode交互,读取或者写入数据
Client提供一些命令来管理HDFS，比如NameNode格式化
Client可以通过一些命令来访问HDFS，比如对HDFS增删查改操作

文件块大小(面试重点)

HDFS中的文件在物理上是分块存储(Block),块的大小可以通过配置参数dfs.blocksize来设置，默认大小在Hadoop2.x/3.x版本中是128M。

128M是上限，如果10K的文件存进去，剩下的空间还可以给其他文件使用。

默认值128M的原因，如果磁盘的传输速率更大，块的大小可以设置的更大

问题：为什么块的大小不能设置太小，也不能设置太大

如果块设置太小，会增加寻址时间。

如果块设置太大，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。导致磁盘传输数据的时间过长。

总结：HDFS块的大小设置主要取决于磁盘传输速率。

巴特西

HDFS01 概述