1.Hadoop组成

Hadoop主要由三大模块组成：

1.1 HDFS

存储模块

* 分布式文件存储系统

* 提供了高可靠性、高扩展性和高吞吐率的数据存储服务

* hdfs典型结构：物理结构+逻辑结构

1.2. YARN

资源调配模块（引擎）（分布式资源管理框架）

* 负责集群资源的管理和调度

1.3. MapReduce

计算引擎

* 分布式计算框架（计算向数据移动-->移动计算而非移动数据）

* 具有易于编程、高容错性和高扩展性的优点

2.HDFS存储模型

* 文件线性切割成Block：偏移量（offset）

* Block分散存储在集群节点中

* 单一文件Block大小一致，文件与文件可以不一致

* Block可以设置副本数，副本分散在不同的节点中

* 副本数不要超过节点数量

* 文件上传可以设置Block大小和副本数

* 已上传的文件Block副本数可以调整，大小不变

* 只支持一次写入多次读取，同一时刻只有一个写入者

* 只能追加，不能修改

3.HDFS架构模型

* 文件的元数据（metadata）和文件数据是分开存储

* （主）NameNode存储文件元数据，单节点（posix）

* （从）DataNode存储文件数据

* DataNode与NameNode保持心跳，由dataNode提交Block列表

* HdfsClient（用户）与NameNode交互元数据信息

* HdfsClient（用户）与DataNode交互文件数据信息

HDFS架构.png

HDFS设计思想.png

4.NameNode

4.1 基于内存存储

- 只存在内存中（除了初始化和持久化的时候跟硬盘打交道，其余时候全部在内存中操作）

- 持久化操作（假设内存只有1G，现在数据有1.2G，则需要做持久化）

* 不存储Block位置信息（由DataNode上报给NameNode）-不存储到fsimage中

* NameNOde的metadata信息在启动后加载到内存

* Metadata信息存储到fsimage文件中

* edits记录对metadata的操作日志（类似redis）

4.2 NameNode主要功能

接受客户端的读写要求

收集DataNode汇报的Block列表信息

4.3 NameNode保存Metadata主要信息

文件Owership和pemissions

文件大小和时间

Block列表（offset等）

Block每个副本的位置（由DataNode上报）

5. DataNode

本地磁盘目录存储数据（Block），文件形式

同时存储Block的元数据信息

启动datanode时，会向namenode汇报block信息

通过向NameNode发送心跳信息保持与其联系（每3秒一次），如果NameNode 10分钟没有收到DataNode的心跳，则认为其已经lost，则将其block信息copy到其他DataNode上

6.HDFS优点

高容错性

* 数据自动保存多个副本

* 副本丢失后，自动恢复

适合批处理

* 移动计算非数据（把计算的逻辑在有数据的地方进行计算）

* 数据位置暴露给计算框架

适合大数据处理

* GB TB 甚至PB级数据

* 百万规模以上的

可构建在廉价的机器上

7.HDFS缺点

无法进行低延迟数据访问

* 比如毫秒级

* 低延迟与高吞吐率

小文件存取

* 占用NameNode大量内存

* 寻道时间超过读取时间

并发写入、文件随机修改

* 一个文件只能有一个写者

* 仅支持append

8.Block副本的放置策略

第一个副本：放置在上传文件的datanode上，如果是集群外提交，则随机挑选一台磁盘不太满，cpu不太忙的节点

第二个副本：放置在第一个副本不同的机架的节点上

第三个副本：与第二个副本相同的机架的节点

更多副本：随机节点

Block副本的放置策略.png

11.总结

HDFS就是一个分余展的大硬盘：分--分块 余--可以冗余，展--动态扩展

云计算：分布式计算，分布在不懂服务器中的计算

设计原则：移动计算，而不是移动数据

在生产环境中，nameNode和resourceManager一般情况是在不同机器上，而nodeManageer和datanode一般情况是在同一台机器上（至少离得近）