浅谈HDFS架构-创新互联

1、HDFS

HDFS（Hadoop Distributed File System）是Hadoop项目的核心子项目，是分布式计算中数据存储管理的基础，是基于流数据模式访问和处理超大文件的需求而开发的，可以运行于廉价的商用服务器上。它所具有的高容错、高可靠性、高可扩展性、高获得性、高吞吐率等特征为海量数据提供了不怕故障的存储，为超大数据集（Large Data Set）的应用处理带来了很多便利。

2、HDFS

HDFS 源于 Google 在2003年10月份发表的GFS（Google File System） 论文。

3、HDFS的优缺点

 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。

• 某一个副本丢失以后，它可以自动恢复，这是由 HDFS 内部机制实现的，我们不必关心。

2、适合批处理

• 它是通过移动计算而不是移动数据。

• 它会把数据位置暴露给计算框架。

3、适合大数据处理

• 处理数据达到 GB、TB、甚至PB级别的数据。

• 能够处理百万规模以上的文件数量，数量相当之大。

• 能够处理10K节点的规模。

4、流式文件访问

• 简化一致性模型，实现一次写入，多次读取。文件一旦写入不能修改，只能追加。

• 它能保证数据的一致性。

5、可构建在廉价机器上

• 它通过多副本机制，提高可靠性。

• 它提供了容错和恢复机制。比如某一个副本丢失，可以通过其它副本来恢复。

缺点：

1、低延时数据访问

         * 比如毫秒级的来存储数据，这是不行的，它做不到。

         * 它适合高吞吐率的场景，就是在某一时间内写入大量的数据。但是           它在低延时的情况下是不行的，比如毫秒级以内读取数据，这样它           是很难做到的。

2、小文件存储

        *存储大量小文件(这里的小文件是指小于HDFS系统的Block大小的文         件（默认64M）)的话，它会占用 NameNode大量的内存来存储文           件、目录和块信息。这样是不可取的，因为NameNode的内存总是有          限的。

        *小文件存储的寻道时间会超过读取时间，它违反了HDFS的设计目           标。

3、并发写入、文件随机修改

        *一个文件只能有一个写，不允许多个线程同时写。

        *仅支持数据 append（追加），不支持文件的随机修改。

 hdfs的特性：

      * 高容错，可扩展性及可配置性强

      * 跨平台

      * shell命令接口

      * 机架感知功能

      * 负载均衡

      Web界面

4.HDFS存储数据

HDFS 采用Master/Slave的架构来存储数据，这种架构主要由HDFS Client、NameNode、DataNode和Secondary NameNode四个部分组成。

1、Client：就是客户端。

• 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，然后进行存储。

• 与 NameNode 交互，获取文件的位置信息。

• 与 DataNode 交互，读取或者写入数据。

• Client 提供一些命令来管理 HDFS，比如启动或者关闭HDFS。

• Client 可以通过一些命令来访问 HDFS。

2、NameNode：就是 master，它是一个主管、管理者。

• 管理 HDFS 的名称空间

• 管理数据块（Block）映射信息

• 配置副本策略

• 处理客户端读写请求。

  

3、DataNode：就是Slave。NameNode 下达命令，DataNode 执行实际的操作。

• 存储实际的数据块。

• 执行数据块的读/写操作。

4、Secondary NameNode：并非 NameNode 的热备。当NameNode 挂掉的时候，它并不能马上替换 NameNode 并提供服务。

• 辅助 NameNode，分担其工作量。

• 定期合并 fsimage和fsedits，并推送给NameNode。

• 在紧急情况下，可辅助恢复 NameNode。

工作流程：

      secondarynamenode通知namenode切换edits文件

      secondarynamenode从namenode获得fsimage和edits(通过http)

      secondarynamenode将fsimage载入内存，然后开始合并edits

      secondarynamenode将新的fsimage发回给namenode

      namenode用新的fsimage替换旧的fsimage

5.数据损坏处理

     * 当DN（DataNode）读取block的时候，它会计算checksum；

     * 如果计算后的checksum，与block创建时值不一样，说明该block已经损坏。

     * client读取其它DN上的block；NN(NameNode)标记该块已经损坏，然后复制block达到预期设置的文件备份数；

     * DN在其文件创建后三周验证其checksum。

  关注大数据and机器学习公众号，一起开创未来。

CLbigdata

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。