Hadoop之HDFS的shell操作: https://blog.csdn.net/weixin_45102492/article/details/104372580
HDFS的java客户端操作:https://blog.csdn.net/weixin_45102492/article/details/104378020
Hadoop之HDFS的数据流:https://blog.csdn.net/weixin_45102492/article/details/104384789
NameNode和SecondaryNameNode:https://blog.csdn.net/weixin_45102492/article/details/104385048
HDFS概述
HDFS产出背景及定义
1、HDFS产生背景
随者数据量越来越大,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态盘中,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 (Hadop 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,且不支持文件的修改。适合用来做数据分析,并不适合用来做网盘应用。
HDFS优点
1) 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,提高容错性。
(2) 某一个副本丢失以后,它可以自动恢复。
2) 适合处理大数据
(1) 数据规模 : 能够处理数据规模达到GB、TB、甚至PB级别的数据;
(2) 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。
![](/qrcode.jpg)
HDFS的缺点
-
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。
-
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NarmeNode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。 -
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。
HDFS组成架构
HDFS的架构图
架构主要由四个部分组成,分别为HDFS Client、NameNode、DataNode和SecondaryNameNode。下面是四个组成部分的介绍:
-
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 : 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。 -
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; -
SecondaryNameNode :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,比如定期台并Fsimage和Edts,并推送给NameNode ;
(2)在紧急情况下,可辅助恢复NameNode。
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。