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
移动计算而非数据
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
百万规模以上的文件数量
10K+节点规模
流式文件访问
一次性写入，多次读取
保证数据一致性
可构建在廉价机器上
通过多副本提高可靠性
提供了容错和恢复机制
HDFS缺点，不适合以下操作方式：
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
HDFS不适合存储小文件
元信息存储在NameNode内存中
一个节点的内存是有限的
存取大量小文件消耗大量的寻道时间
类比拷贝大量小文件与拷贝同等大小的一个大文件
NameNode存储block数目是有限的
一个block元信息消耗大约150 byte内存
存储1亿个block，大约需要20GB内存
如果一个文件大小为10K，则1亿个文件大小仅为1TB（但要消耗掉NameNode 20GB内存）
Active Namenode：主Master（只有一个）
管理HDFS的名称空间
管理数据块映射信息
配置副本策略
处理客户端读写请求
Standby Namenode：NameNode的热备；
定期合并fsimage和fsedits，推送给NameNode；
当Active NameNode出现故障时，快速切换为新的 Active NameNode。
Datanode：Slave（有多个）
存储实际的数据块
执行数据块读/写
Client：文件切分
与NameNode交互，获取文件位置信息；
与DataNode交互，读取或者写入数据；
管理HDFS；
访问HDFS。
HDFS数据块（block）
文件被切分成固定大小的数据块
默认数据块大小为128MB，可配置
若文件大小不到128MB，则单独存成一个block
为何数据块如此之大
数据传输时间超过寻道时间（高吞吐率）
一个文件存储方式
按大小被切分成若干个block，存储到不同节点上
默认情况下每个block有三个副本
网友评论