HDFS基本概念

1.HDFS前言

1.1设计思想

分而治之：将大文件、大批量文件，分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析

在大数据系统中作用：
为各类分布式运算框架(如：mapreduce，spark，tez，......)提供数据存储服务

重点概念：文件切块，副本存放，元数据

1.2HDFS的概念和特性

首先，它是一个文件系统，用户存储文件，通过统一的命令空间 - 目录树来定位文件

其次，它是分布式的，有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

重要特性如下：
(1)、HDFS中的文件在物理上时分块存储(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

(2)、HDFS文件系统会给客户端提供一个统一的抽象的目录树，客户端通过路径来访问文件

形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data

(3)、目录结构及文件分块信息(元数据)的管理由namenode节点承担

-- namenode是HDFS集群主节点，
负责维护整个hdfs文件系统的目录树，
以及每一个路径(文件)所对应的block块信息(block的id，及所在的datanode服务器)

(4)、文件的各个block的存储管理由datanode节点承担

-- datanode是HDFS集群从节点，
每一个block都可以在多个datanode上存储多个副本(副本数量也可以通过参数设置dfs.replication)

(5)、HDFS是设计成适应一次写入，多次写出的场景，且不支持文件的修改

注意：HDFS适合用来做数据分析，并不适合用来网盘应用，因为，不便修改，延迟大，网络开销大，成本太高