1.HDFS基础知识

1.HDFS基础知识

1.HDFS基础知识
2.HDFS操作
3.HDFS读写流程

1.1传统文件、存储

文件系统：存储数据和管理数据的一种方式
传统存储方式：程序是程序，数据是数据，处理时将数据转移到程序中

1.2分布式文件存储的概念和现实（重点）

思考：如何模拟实现分布式文件存储系统？ 具备哪些特性（功能、优点、作用）
（参考视频-「为什么中国网盘这么难」）

• 分布式

  分布式存储能-无限扩展-支持海量数据存储

• 分块存储

针对块并行操作，提高效率

• 副本机制

冗余存储，保障数据安全

• 元数据管理

元数据作用：快速定位文件位置便于查找

1.3HDFS

HDFS（Hadoop Distributed File System)
核心架构目标：主要是解决大数据如何存储问题-通过分布式存储
分布式意味着HDFS是横跨在多台计算机上的存储系统

1.4HDFS的设计目标

设计目标：故障检测和自动、快速修复;比起速度，更注重数据访问的高吞吐量
一般的应用是流式读取数据，HDFS被设计成适合批量处理，而不是用户交互式
-用起来像单机（标准主从集群），但底层是分布式-

#思考：小文件存储（上传）怎么办？（小文件存储、读取速度慢）
上传时合并
#追加内容到文件尾部 appendToFile
#(>>追加，>覆盖)
[root@node3 ~]# echo 1 >> 1.txt
[root@node3 ~]# echo 2 >> 2.txt 
[root@node3 ~]# echo 3 >> 3.txt 
[root@node3 ~]# hadoop fs -put 1.txt /
[root@node3 ~]# hadoop fs -cat /1.txt
1
[root@node3 ~]# hadoop fs -appendToFile 2.txt 3.txt /1.txt
[root@node3 ~]# hadoop fs -cat /1.txt
1
2
3
[root@node3 ~]# 
#追加的用途：把本地的小文件-上传-中合并成为大文件 解决小文件场景的

1.5HDFS的应用场景

适合：大文件，数据流式访问，一次写入多次读取，低成本部署（廉价PC，高容错）
不适合：小文件，数据交互式访问，频繁任意修改，低延迟处理

1.6HDFS副本

分块默认128MB（134217728B），默认副本3（1+2），副本冗长（服务器只使用了3分之一储存数据，剩余3分之2用于备份，利用率低）