Hadoop(1): HDFS基础架构

1. What's HDFS?

Hadoop Distributed File System is a block-structured file system where each file is divided into blocks of a pre-determined size. These blocks are stored across a cluster of one or several machines. Apache Hadoop HDFS Architecture follows a Master/Slave Architecture, where a cluster comprises of a single NameNode (Master node) and all the other nodes are DataNodes (Slave nodes). In the practical world, these DataNodes are spread across various machines.

2. Basic ideas of HDFS

a.面向大数据：当需要存储巨大的数据集时，有两个选择：其一是所谓的Scale Up or Vertical Scaling，也就是升级你的单机存储空间，并且将该数据集放置在这个单独的存储空间中；其二是Scale Out or Horizontal Scaling，使用多个存储空间，将数据集分割成子集，存放在不同的地方。例如下图：当一辆荷载25人的Bus，坐不下50人时的解决方案：

b.数据存储于Commodity Hardware：使用普通商业硬件存储数据，意味着硬件Failure是正常状态之一，而不是异常，文件系统需要有容错能力(fault tolerance)。所以HDFS中的文件会被复制多份，备份存储于不同的硬件中。

c.数据块(Blocks)：HDFS将大数据集，分割成默认为128m的Block进行存储，除最后一个Block之外，其余的Block大小相同。

d.流数据(Streaming Data Access)：HDFS采用的并非是面向日常运营活动的OLTP(OnLine Transaction Processing)模式，而是面向分析的OLAP (OnLine Analytical Processing)，其基本思想是一次写入，多次读取(Write-Once-Read-Only)

3. Master/Slave Architecture：

a. Name Node (Master)

每个集群(Cluster)有1至2个Name Node，对集群内数据块存储和分布进行管理。Name Node只存储Metadata，而不存储任何用户数据(User data never resides on the NameNode. The data resides on DataNodes only.)。Master Deamon会在Name Node上面运行，用于管理Data Node。在Metadata中存储着Cluster中所有block的存储位置、大小以及filesystem的变更记录（FsImage,EditLogs）。

b.Data Node (Slave)

每个Cluster中，有众多Data Node，用来存储数据。每个Data Node是一个Commodity Hardware，即性能无法保证，访问失败属于正常状态。Slave Deamon会在Data Node上面运行，并且周期性地向Name Node上报Heartbeat(3s).

4. Blocks：Hadoop将超大文件分割为一个个的Blocks，然后将各个Blocks分散到Cluster的各个Data Nodes中。除最后一个Block外，各个Blocks都有相同的大小(128m)。见下图的例子。

巴特西

Hadoop(1): HDFS基础架构

最新文章

热门文章