谈到大数据，离不开google的三剑客：big table、mapreduce、gfs。作为该体系的开源版本，主要是hbase、mapreduce和hdfs。今天主要谈一谈大数据处理最基础的hdfs，hadoop data file system。hdfs主要用于对在低廉的pc服务器上实现高可靠的数据存储，满足大数据处理的底层数据存储需求。
一、HDFS相比传统的本地磁盘的数据存储，主要有几大区别：
1、数据高可靠：默认三副本存储，可灵活配置。当其中不同的服务器任意两块硬盘故障，均不会影响业务的使用。
2、数据访问快：同时向多块数据盘进行数据的读写，加快速度。
3、管理轻松：支持服务器的灵活增加、删除，并自动根据存储数据量进行存储量的均衡化部署。
二、下面简要介绍hdfs的原理
如图，hdfs分为client客户端、namenode数据管理端（master节点）、datanode数据存储端（slave节点）。client进行数据存储时，需调用hdfs的sdk的开发包。进行数据读取时，向namenode请求数据在datanode的访问路径，client收到访问路径后直接向datanode发起数据访问请求（hdfs中，默认每个数据块为64M，分别放在不同的datanode）。
三、接下来，我们用一些图帮助大家理解。
不同的client、namenode、datanode的形象表达
当某用户有数据读取请求，client程序收到这个指令。
先联系namenode，获取文件的存储位置
client程序从datanode中不断顺序取出数据
更多内容实时更新，请访问公众号。 