HDFS中的关键概念（一）
简介
HDFS是作为hadoop的文件系统组件，是一个高度容错性的系统。HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。HDFS放宽了一部分POSIX约束，来实现流式读取文件系统数据的目的。HDFS在最开始是作为Apache Nutch搜索引擎项目的基础架构而开发的。HDFS是Apache Hadoop Core项目的一部分。
数据块（block）
HDFS中的文件被分割成几个block，每个block分别存储在多个DataNode，一般一个block的默认大小为128MB，用户也可根据自己的需求自定义。
元数据结点（NameNode)
NameNode存储系统元数据。NameNode中inode记录了文件和目录属性，包括权限，修改时间和访问时间，namespace和分配的磁盘空间。元数据结点维护了一个namespace树和block到DataNode（文件数据的物理位置）之间的映射。
数据结点（DataNode)
DataNode主要存储应用数据。为了可靠性和永久性，文件被分割成几个block，每个block副本存储在多个（默认为3个）DataNode。当终端访问数据时，会选取离自己最近的DataNode。在DataNode上的block副本由两个文件来表示，分别存储数据本身和block的元数据（包括对块数据的校验和，block生成时间戳）。数据文件的大小与所占用的数据块大小一致，不需要额外空间考虑对齐问题。
在启动过程中，每一个数据结点会和数据结点握手，其目的是验证namespace ID和数据结点的软件版本。如果不匹配，则数据结点关闭。
-
当格式化的时候，就为文件系统指定了namespace ID， 并永久存储在集群的所有结点中。结点的namespace ID 和集群的不同，则不能加入到此集群中，由此，保证了文件系统的完整性。
-
检查软件版本防止不兼容的版本造成的数据崩溃或丢失。
在握手结束后，数据结点注册在元数据结点，并永久存储它的storage ID。（一个刚初始化的没有分配namespace ID的数据结点可以加入集群并接受集群的namecpace ID。）
数据结点通过发送block report 到元数据结点，告知元数据结点它所存储的block副本。一旦注册完成，第一份block report就发送到元数据结点， 然后，后续的报告每隔一小时发送一次，元数据结点就可根据报告定位block副本的位置。
同时，数据结点会每隔3秒（用户可根据情况自定义间隔时间， 如果集群规模比较小，间隔可设置得比较短，利于充分利用集群服务器，而规模比较大时，间隔时间可设置得比较长，从而降低网络负载，同事由于规模比较大，当NameNode认为DataNode失效时，有充分的资源可供选择。）发送一个heartbeats到元数据结点，保证元数据结点确信数据结点是可用的。如果超过10分钟，元数据结点没有收到数据结点的heatbeats，则元数据结点认为此数据结点服务中断，元数据结点将创建新的文件副本到其他数据结点。元数据结点并不直接给数据结点发送信息。它通过回复heartbeats给数据结点发送指令。这些指令包括：
-
复制block到其他的数据结点；
-
删除本地block副本；
-
重新注册或者关闭数据结；
-
立即发送一个block report。
HDFS客户端与元数据结点，数据结点之间的交互如图。
总结
简单介绍了HDFS的数据块，元数据结点，数据结点，以及HDFS客户端如何通过元数据结点，数据结点访问文件