HDFS产生背景及定义
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的数据，那么就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，这就是分布式文件系统。HDSFS只是分布式文件管理系统的一种。
HDFS定义
HDFS（Hadoop Distributed File System），它是一个文件系统，用户存储文件，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。
HDFS优缺点
优点
- 高容错性
数组自动保存多个副本，它通过增加副本的形式，提高容错率
某一个副本丢失后，它可以自动恢复 - 适合处理大数据
数据规模：能否处理数据规模达到GB、TB甚至TB级别的数据
文件规模：能够处理百万规模以上的文件数量 - 可构建在廉价机器上
通过多副本机制，提高可靠性
缺点
- 不适合低延时数据访问
- 无法高效的对大量小文件进行存储
- 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，NameNode的内存总是有限的
- 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
- 不支持并发写入、文件随机修改（仅支持数据追加）
HDFS组成
2.6 hdfs.gif
NameNode（nn）：就是Master，它是一个主管、管理者
- 管理HDFS的名称空间
- 配置副本策略
- 管理数据块映射信息
- 处理客户端读写请求
DataNode（dn）：就是Slave，NameNode下达命令，DataNode执行实际操作
- 存储实际的数据块
- 执行数据块的读写操作
Client：就是客户端
- 文件切分。文件上传到HDFS的时候，Client将文件切分成一个个块上传。
- 与NameNode交互，获取文件的位置信息
- 与DataNode交互，读取或写入数据
- 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增删改操作。
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
- 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
HDFS文件块大小
HDFS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，默认在hadoop2.x/3.x版本是128M，1.x是64M。
当寻址时间为传输时间的1%时，认为当前文件块大小设置合适。一般情况下机械硬盘的可以设置文件块为128M，固态硬盘可以设置256M。
HDFS块大小设置主要取决于磁盘传输效率。
- HDFS的块设置太小，会增加殉职时间，程序一开始在找块的开始位置。
- 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要的时间。导致程序在处理这块数据时，会非常慢。
小结：
了解HDFS的相关，包括nn、dn、2nn、文件块及文件块设置等。
网友评论