HDFS概述

1.HDFS产出背景及定义

1). HDFS产生背景

随着数据量越来越大，在一个操作系统存不下所有数据的情况下，那么就会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。

2). 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。

2.HDFS优缺点

HDFS优点

1). 高容错性
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。

某一个副本丢失以后，它可以自动恢复。

2). 适合处理大数据

数据规模：能够处理数据规模达到GB、TB、PB级别的数据；
文件规模：能够处理百万规模以上的文件数量，数量相当大。

3). 可构建在廉价机器上，通过多副本机制，提高可靠性。

HDFS缺点

1). 不适合低延时数据访问，比如做不到毫秒级的存储数据访问；

2). 无法高效地对大量小文件进行存储；
a. 存储大量小文件，会占用NameNode大量的内存来存储文件目录和块信息；不可取，因为NameNode的内存总是有限的。
b. 小文件存储的寻址时间会超过读取时间，它违反了HDFS的射击目标。

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入，不允许多个线程同时写；
b. 仅支持数据append(追加)，不支持文件的随机修改。

3. HDFS组成架构

NameNode (nn)

: Master，它是管理者。

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。

DataNode

: 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。

Client

: 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/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增删改查操作；

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。

4. HDFS文件块大小(面试)

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)来规定，默认大小在Hadoop2.x / Hadoop3.x版本中是128M，1.x版本中是64M。

问题：为什么块的大小不能设置太小，也不能设置太大？
1). HDFS的块设置太小，会增加寻址时间，程序一直在找块的开始位置；
2). 如果块设置的太大，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的时间。导致程序在处理这块数据时，会非常慢。

总结： HDFS块的大小设置主要取决于磁盘传输速率。

hadoop--HDFS概述相关推荐

Hadoop HDFS概述
前言在现代的企业环境中,单机容量往往无法存储大量数据,需要跨机器存储.统一管理分布在集群上的文件系统称为分布式文件系统. HDFS,是Hadoop Distributed File System的简 ...
Hadoop之HDFS概述
Hadoop之HDFS概述目录 HDFS产生背景 HDFS概念 HDFS优缺点 HDFS组成架构 1. HDFS产生背景随着数据量越来越大,在一个操作系统管辖的范围内存不下了,那么就分配到更多的操 ...
Apache Durid 数据存储(Hadoop概述安装 HDFS概述数据存储遇到的问题)
Apache Durid 数据存储 Apache Durid 数据存储 1. 分布式技术 1.1 为什么需要分布式 1.1.1 计算问题 1.1.2 存储问题 1.2 分布式系统概述 1.3 分布式实 ...
HDFS概述（5）————HDFS HA
HA With QJM 目标本指南概述了HDFS高可用性(HA)功能以及如何使用Quorum Journal Manager(QJM)功能配置和管理HA HDFS集群. 本文档假设读者对HDFS集群 ...
HDFS概述（2）————Block块大小设置
参考: HDFS概述(4)----HDFS权限 HDFS概述(3)----HDFS Federation HDFS概述(2)----Block块大小设置 HDFS概述(1)----HDFS架构问题 ...
大数据Hadoop之——Hadoop HDFS多目录磁盘扩展与数据平衡实战操作
文章目录一.概述二.Hadoop DataNode多目录磁盘配置 1)配置hdfs-site.xml 2)配置详解 1. dfs.datanode.data.dir 2.dfs.datanode. ...
大数据方向学习系列——hadoop——hdfs学习
文章目录 1.HDFS概述 1.1 HDFS产生背景 1.2 HDFS优点 1.3 HDFS缺点 1.4 HDFS组成架构 1.5 HDFS文件块大小(面试重点) 2. HDFS的Shell操作(开发 ...
Python +大数据-hadoop生态-hadoop(三)--Hadoop HDFS
Python +大数据-hadoop生态-hadoop(三)–Hadoop HDFS 今日课程学习目标理解分布式文件存储的概念与实现掌握HDFS分块存储.副本机制等特性学会shell操作HDFS ...
分布式计算框架Hadoop核心组件概述
Hadoop作为成熟的分布式计算框架在大数据生态领域已经使用多年,本文简要介绍Hadoop的核心组件MapReduce.YARN和HDFS,以加深了解. 1.Hadoop基本介绍 Hadoop是分布式 ...
Hadoop HDFS文件操作的Java代码
1.创建目录 import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.ha ...

hadoop--HDFS概述

目录