Hadoop（一）-HDFS

HDFS（Hadoop Distirbuted File System）hadoop分布式文件系统。

1.HDFS的设计理念

存储大文件：这里的大文件是指GB甚至TB级别的文件

高效的访问模式：一次写入，多次读取（流式数据访问）

运行在普通廉价的服务器上：能运行在普通的硬件上，即使硬件出现故障，也可以通过容错策略来保证数据的完整性

注：由于HDFS是为高数据吞吐量应用而设计的，必然以高延迟为代价所以不会将hdfs用于对数据访问要求低延迟的场景；hdfs的元数据存储在namenode的内存中，而namenode是单节点，小文件的数量大到一定的程度，namenode的内存就吃不消，所以也不可用来存储大量的小文件。

2.HDFS的基本概念

Block：在HDFS中，大文件是被分割成多个block进行存储的，一般block的大小默认是64MB（2.0版本后是128MB也可以自己设置）。而每个block会在多个datanode上存储多份副本，默认是3份（一般和datanode的个数有关）。

Namenode：存储元数据信息，管理数据块的映射；处理客户端的读写请求；配置副本策略；管理hdfs的名称空间等。

SeconaryNamenode：Namenode的备份；当namenode节点死亡，迅速启动接替namenode的工作；合并fsimage和edits log与namenode保持一致。

Datanode：负责存储client发来的数据块block；执行数据块的读写操作。

fsimage：元数据的镜像文件。

edits：元数据的操作日志

3.HDFS的实现思想

hdfs通过分布式集群来存储文件

文件存储到hdfs集群中去的时候是被分切成若干的block

文件的block存放在若干台的datanode节点上

hdfs文件系统的文件与真实的文件block之间有映射关系，由namode管理

每个block在集群中都会存储多个副本

4.HDFS的基本架构



这里的rack是指机柜（包含若干台服务器）。上面的图其实并不能完全说明HDFS的工作机制，下面以往hdfs上面存放大文件为例，说明写操作的机制。



在这里，客户端将本地文件test.txt写到hdfs上（路径：hdfs://nn:9000/xudong, hadoop fs -put test.txt /xudong）,首先大文件test.txt被切分成3个block（block1，block2,block3），然后分别存储到三台datanode节点上，每个block有几个备份放在其他的datanode节点上，上面只画了block1的2个备份。Namenode负责管理这些节点上的block。

5.NameNode元数据管理机制

namenode管理元数据是有自己的机制的，为了配套上面的客户端写文件到hdfs，下面举例说明NN管理上传文件的过程：

1客户端上传文件时，NN首先往edits log文件中记录元数据的操作日志

2客户端上传开始上传文件，完成后并返回成功信息给NN，NN就在内存中写入这次上传操作新产生的元数据。

3每当edits log写满时，需要将这段时间的元数据刷到fsimage中去。



在NomeNode中元数据存储的细节：

NameNode（FileName，replicas，block_ids，idhost……..）

/xudong/test.txt,3,{blk_1,blk_2,blk_3},blk_1:[h0,h1,h3]},{blk_2:[h1,h2,h3],{blk_3:h0,h2,h3}}

到这里，HDFS的基本知识就结束了，以后遇到更全的知识会陆续补充。下一篇将会介绍hadoop的第二个核心mapreduce。