hdfs分布式文件系统

要处理大数据，首先得解决海量数据的存储，在hadoop中解决海量存储的组件就是hdfs(hadoop filesystem)。是google GFS开源实现。其核心思想分而治之，将一个大文件（GB,TB)分解成多个文件块，由datanode存储文件块存储。hdfs采用master-slave架构，核心组件包括namenode,datanode。

namenode负责存储整个文件系统的命名空间，包括文件夹，文件，权限，文件对应的副本信息，文件块信息，文件块位置信息。其中文件块位置信息保持在内存中。由datanode通过heartbeat主动上报位置信息。

datanode负责实际的文件块存储，一个hdfs上的文件可能分为多个块，分别存储到不同的datanode上，每个datanode存储文件的一部分。一个文件块默认在3个datanode上存储。

hdfs架构

大致读写流程如下：

1、在发起一个文件操作前首先冲namenode获取元数据信息，比如要读写的文件的名字，路径

2、namenode返回要操作的文件元数据信息，比如，file1文件的第一个块请从datanode2上获取或写入

3、client向datanode写入或存储文件内容

可以看出整个系统中，namenode占有举足轻重的作用，所有涉及命令空间的操作都要经过namenode，

datanode还会主动上报自身的位置信息和自身存储的块的位置信息到namenode.所以namenode是一个中心，非常重要

那么namenode由于本身不存储文件块位置信息的，那么文件块位置信息从何而来呢？

1、由namenode在心跳包中主动上报

2、每次写入块数据都是经过namenode分配的，包括副本信息。