大数据-HDFS的定义、使用场景、优缺点、组成架构

HDFS定义

HDFS(Hadoop Destributed File System)是一个分布式的文件系统，用于存储文件，通过目录树来定位文件

HDFS使用场景

适合一次写入，多次读取的场景，不支持文件的修改

HDFS优缺点

• 优点

1. 高容错性
   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
   某一个副本丢失后，它可以自动恢复
2. 适合处理大数据
   数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据
   文件规模：能够处理百万规模以上的文件数量
3. 可构建在廉价机器上，通过多副本机制，提高可靠性

• 缺点

1. 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
2. 无法高效的对大量小文件进行存储
   原因：
   存储大量小文件会占用NameNode大量的内存来存储文件目录和块信息
   小文件存储的寻址时间会超过读取时间
3. 不支持并发写入，文件随机修改，仅支持数据追加append

HDFS组成架构

• NameNode（nn）：Master，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：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：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，然后上传
2. 与NameNode交互，获取文件的位置信息
3. 与DataNode交互，读取或写入数据
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增删改查操作

• Secondary NameNode：并非NameNode的热备，当NameNode挂掉时，它并不能马上替换NameNode并提供服务

1. 辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode
2. 在紧急情况下，可辅助恢复NameNode