hadoop-HDFS概述

Posted 2021-03-04 wn

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。HDFS只是分布式文件管理系统中的一种；

HDFS是什么

　　HDFS是基于java的分布式文件系统，允许您在hadoop集群中的多个节点上存储大量数据。它专门存储超大数据文件，为整个hadoop生态圈提供了基础的存储服务；

　　HDFS的使用场景：适合一次写入，多次读出的场景，且不支持文件的修，改，适合使用做数据分析，并不适合用来做网盘应用；

　　HDFS是一个主从体系架构，由于分布式存储的性质，集群拥有两类点NameNode和DataNode；

 

　　　　　　

　　　　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；

　　　　DataNode(数据节点)：就是slave，NameNode下达命令，DataNode执行实际操作；

　　　　　　　　1.存储实际的数据块；

　　　　　　　　2.执行数据库的读/写操作；

　　　　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N阿么Node格式化；

　　　　　　　　5.Client可以通过一些命令来访问HDFS，比如对HDFS增删改查操作；

　　　　Secondary NameNode：并非NAMENoel的热备。当NAMENoel挂掉的时候，它并不能马上体寒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，可复制恢复NameNode；

HDFS优点　　

　　高容错性：

　　　　1.数据自动保存多个副本。它通过增加副本的形式，提供容错性；

　　　　2.某一个副本丢失以后，它可以自动恢复；

　　适合大数据处理：

　　　　1.能够处理数据规模达到GB，TB，甚至PB级别的数据；

　　　　2.能够处理百万规模以上的文件数量，数量相当之大；

　　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：通过多副本提供高可靠性，提供容错和恢复机制；

HDFS缺点

　　不适合低延迟数据访问场景：比如毫秒级，低延迟与高吞吐率；

　　不适合小文件存取场景：占用NameNode大量内存；

　　不适合并发写入，文件随机修改场景：一个文件只能有一个写者；

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版本中是128M，老版本中是64M；

　　　　

 　　为什么块的大小不能设置大小，也不能设置太大？

　　　　1.HDFS的快设置大小，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；