HDFS之深入简出

Posted 2020-12-04 chenligeng

 

 

分布式文件系统HDFS

一:概述

1.HDFS设计目标

2.HDFS核心组件

3.HDFS副本机制

4.HDFS环境搭建

5.HDFS shell命令  java api

6.HDFS读写流程

7.HDFS优缺点

二:

思考:如何创建一个分布式文件系统

重点:文件以多副本的方式进行存储

缺点:文件不管多大都存在一个节点上

 

1.缺点不管文件多大，在进行数据处理的时候很难进行并行处理，节点有可能成为网络瓶颈，很难进行大数据处理

2.负载均衡很难，每个节点利用率很低

 

二:分布式文件系统HDFS，来源于Google的GFS论文

发表在2003年,HDFS是GFS的克隆版

1.HDFS是非常巨大的分布式文件系统

2.运行在普通的廉价的机器上面

3.易扩展，为用户提供不错的文件的存储服务(130M的文件,拆分成128M和2M,一般情况还有3个副本)

 

1.架构

1个Master(NameNode/NN)带N个Slaves(DataNode/DN)

HDFS/YARN/HBase

重点:一个文件将会被拆分成多个Block

blocksize:128M

130M ==>  将会被拆分成2个Block: 128M 和 2M

NameNode:

NameNode是对文件系统的操作,而DataNode是对block的操作

NameNode:是对客户端请求和响应，和元数据(文件的名称,副本的系数,Block存放的DataNode)的管理 

DataNode: 

DataNode:1.存储用户文件对应的数据块(Block)

  2.要定期向NameNode发送心跳信息,汇报本身及其所有block信息,健康状况

 

一个典型是,一台机器上运行一个NameNode,集群中的其他的机器，每一个都会运行一个DataNode

1个NameNode + N个DataNode

 这个架构也并不排除在一台机器上运行多个DataNode,但是在生产环境上是不建议这么做

 三:HDFS副本机制

replication factor : 副本因子,副本系数

一个文件里面的所有的block前面的都是一样,只有最后一个不一样

四:HDFS副本存放的策略