HDFS 简介

HDFS （全称：Hadoop Distribute File System，Hadoop 分布式文件系统）是 Hadoop 核心组成，是分布式存储服务。

分布式文件系统横跨多台计算机，在大数据时代有着广泛的应用前景，它们为存储和处理超大规模数据提供所需的扩展能力。

HDFS是分布式文件系统中的一种。

HDFS的重要概念

HDFS 通过统一的命名空间目录树来定位文件； 另外，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（分布式本质是拆分，各司其职）；

  • 典型的 Master/Slave 架构

    HDFS 的架构是典型的 Master/Slave 结构。

    HDFS集群往往是一个NameNode（HA架构会有两个NameNode,联邦机制）+多个DataNode组成。

    NameNode是集群的主节点，DataNode是集群的从节点。

  • 分块存储（block机制）

    HDFS 中的文件在物理上是分块存储（block）的，块的大小可以通过配置参数来规定。

    Hadoop2.x版本中默认的block大小是128M；

  • 命名空间（NameSpace）

    HDFS 支持传统的层次型文件组织结构。用户或者应用程序可以创建目录，然后将文件保存在这些目录里。文件系统名字空间的层次结构和大多数现有的文件系统类似：用户可以创建、删除、移动或重命名文件。

    Namenode 负责维护文件系统的名字空间，任何对文件系统名字空间或属性的修改都将被 Namenode 记录下来。

    HDFS提供给客户单一个抽象目录树，访问形式：hdfs://namenode的hostname:port/test/inputhdfs://linux121:9000/test/input

  • NameNode元数据管理

    我们把目录结构及文件分块位置信息叫做元数据。

    NameNode的元数据记录每一个文件所对应的block信息（block的id,以及所在的DataNode节点的信息）。

  • DataNode数据存储

    文件的各个 block 的具体存储管理由 DataNode 节点承担。一个block会有多个DataNode来存储，DataNode会定时向NameNode来汇报自己持有的block信息。

  • 副本机制

    为了容错，文件的所有 block 都会有副本。每个文件的 block 大小和副本系数都是可配置的。应用程序可以指定某个文件的副本数目。副本系数可以在文件创建的时候指定，也可以在之后改变。副本数量默认是3个。

  • 一次写入，多次读出

    HDFS 是设计成适应一次写入，多次读出的场景，且不支持文件的随机修改。（支持追加写入，不只支持随机更新）。

    正因为如此，HDFS 适合用来做大数据分析的底层存储服务，并不适合用来做网盘等应用（修改不方便，延迟大，网络开销大，成本太高）。

HDFS 架构

  • NameNode(nn):Hdfs集群的管理者，Master

    维护管理Hdfs的名称空间（NameSpace）。

    维护副本策略。

    记录文件块（Block）的映射信息。

    负责处理客户端读写请求。

  • DataNode:NameNode下达命令，DataNode执行实际操作，Slave节点

    保存实际的数据块。

    负责数据块的读写。

  • Client:客户端

    上传文件到HDFS的时候，Client负责将文件切分成Block,然后进行上传。

    请求NameNode交互，获取文件的位置信息。

    读取或写入文件，与DataNode交互。

    Client可以使用一些命令来管理HDFS或者访问HDFS。