[toc]

一、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。

二、HDFS优缺点

1. 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。
    image.png
    某一个副本丢失以后,它可以自动恢复。
    image.png

  2. 适合处理大数据
    数据规模:能够处理数据规模达到GB、TB、甚至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,数量相当之大。

  3. 可构建在廉价机器上,通过多副本机制,提高可靠性。

2. 缺点

  1. 不适合低延时数据访问,比如毫秒级的存储数据,是做不到的。
  2. 无法高效的对大量小文件进行存储。
    1. 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。这样是不可取的,因为NameNode的内存总是有限的;
    2. 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。
  3. 不支持并发写入、文件随机修改。
    1. 一个文件只能有一个写,不允许多个线程同时写;
    2. 仅支持数据append(追加),不支持文件的随机修改。
      image.png

三、 HDFS 组成架构

image.png

1. NameNode

NameNode(nn):就是Master,它是一个主管、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。

2. DataNode

DataNode:就是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。

3. Client

Client:就是客户端。

  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,读取或者写入数据;
  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增删查改操作;

4. Secondary NameNode

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。

四、HDFS 文件块大小

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/3.x版本中是128M,1.x版本中是64M。
image.png

思考: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。

Q.E.D.


只有创造,才是真正的享受,只有拚搏,才是充实的生活。