HDFS分布式文件系统详解
1. 分布式文件系统详解2. HDFS架构2.1 NameNode的作用2.2 DataNode的作用3. 文件分块4. 机架感知
1. 分布式文件系统详解
HDFS（Hadoop Distributed File System）是 Apache Hadoop 项目的一个子项目. Hadoop 非常适于存储大型数据 (比如 TB 和 PB), 其就是使用 HDFS 作为存储系统. HDFS 使用多台计算机存储文件, 并且提供统一的访问接口, 像是访问一个普通文件系统一样使用分布式文件系统.
1.1 适合的应用场景
存储非常大的文件：这里非常大指的是几百M、G、或者TB级别，需要高吞吐量，对延时没有要求。采用流式的数据访问方式: 即一次写入、多次读取，数据集经常从数据源生成或者拷贝一次，然后在其上做很多分析工作 。运行于商业硬件上: Hadoop不需要特别贵的机器，可运行于普通廉价机器，可以处节约成本需要高容错性为数据存储提供所需的扩展能力
1.2 不适合的应用场景
低延时的数据访问
对延时要求在毫秒级别的应用，不适合采用HDFS。HDFS是为高吞吐数据传输设计的，因此可能牺牲延时 大量小文件
文件的元数据保存在NameNode的内存中， 整个文件系统的文件数量会受限于NameNode的内存大小。 经验而言，一个文件/目录/文件块一般占有150字节的元数据内存空间。如果有100万个文件，每个文件占用1个文件块，则需要大约300M的内存。因此十亿级别的文件数量在现有商用机器上难以支持。 多方读写，需要任意的文件修改
HDFS采用追加（append-only）的方式写入数据。不支持文件任意offset的修改。不支持多个写入器（writer）
2. HDFS架构
HDFS主要由三个组件构成，分别是NameNode、SecondaryNameNode和DataNode。HDFS是以Master/Slave（主/从）模式运行的，其中NameNode,SecondaryNameNode运行在Master节点上，DataNode运行在Slave节点上。NameNode和DataNode的架构如下图：
2.1 NameNode的作用
1、NameNode元数据信息
文件名，文件目录结构，文件属性(生成时间，副本数，权限)每个文件的块列表。以及列表中的块与块所在的DataNode之间的地址映射关系在内存中加载文件系统中每个文件和每个数据块的引用关系(文件、block、datanode之间的映射信息)数据会定期保存到本地磁盘（fsImage文件和edits文件）
问题1：元信息的持久化 答：元数据的持久化操作过程示意如下：
在HDFS 第一次格式化后，NameNode就会生成fsimage和editslog两个文件。SecondaryNamenode 节点定期从NameNode下载fsimage和editslog两个文件。把fsimage和editslog结合成新的fsimage快照文件。替换NameNode的fsimage文件，并将new_editslog重命名为editslog,组成新的fsimage和editslog。为了避免editlog不断增加，secondary namenode会周期性合并fsimage和edits成新的fsimage这样周期性操作，使得NameNode的fsimage和editslog相差一段时间。
问题2： NameNode和SecondaryNameNode的区别？
NameNode主要维护两个组件，一个是fsimage，一个是editslog.fsimage保存了最新的元数据检查点，包含了整个HDFS文件系统的所有目录和文件的信息。对于文件来说包括了数据块描述信息、修改时间、访问时间等；对于目录来说包括修改时间、访问权限控制信息(目录所属用户，所在组)等editlog主要是在NameNode已经启动情况下对HDFS进行的各种更新操作进行记录，HDFS客户端执行所有的写操作都会被记录到editlog中。
2、NameNode文件操作
NameNode负责文件元数据的操作DataNode负责处理文件内容的读写请求，数据流不经过NameNode，会询问它跟哪个DataNode联系
3、NameNode副本
文件数据块到底存放到哪些DataNode上，是由NameNode决定的，NN根据全局情况做出放置副本的决定
4、NameNode心跳机制
全权管理数据块的复制，周期性的接收心跳和块的状态报告信息（包含该DataNode上所有数据块的列表）若接受到心跳信息，NameNode认为DataNode工作正常，如果在10分钟后还接受到不到DN的心跳，那么NameNode认为DataNode已经宕机 ,这时候NameNode准备要把DataNode上的数据块进行重新的复制。 块的状态报告包含了一个DataNode上所有数据块的列表，blocks report 每个1小时发送一次.
2.2 DataNode的作用
提供真实文件数据的存储服务。
Data Node以数据块的形式存储HDFS文件Data Node 响应HDFS 客户端读写请求Data Node 周期性向NameNode汇报心跳信息Data Node 周期性向NameNode汇报数据块信息Data Node 周期性向NameNode汇报缓存数据块信息
3. 文件分块
保存文件到HDFS时，会先默认按128M的大小对文件进行切分；效果如上图每个block块的元数据大小大概为150byte所有的文件都是以block块的方式存放在HDFS文件系统当中，在hadoop1当中，文件的block块默认大小是64M，hadoop2当中，文件的block块大小默认是128M，block块的大小可以通过hdfs-site.xml当中的配置文件进行指定
为了保证block块的安全性，也就是数据的安全性，在hadoop2当中，文件默认保存三个副本，我们可以更改副本数以提高数据的安全性在hdfs-site.xml当中修改以下配置属性，即可更改文件的副本数
HDFS按块存储的好处：
文件可以任意大简化了文件子系统的设计，仔细提供只存储文件块数据，文件元数据由其他系统管理有利于备份和提高系统的可用性有利于负载均衡
问题：为什么一个block的大小就是128M呢？ 默认为128M的原因，基于最佳传输损耗理论！ 不论对磁盘的文件进行读还是写，都需要先进行寻址！ 最佳传输损耗理论：在一次传输中，寻址时间占用总传输时间的1%时，本次传输的损耗最小，为最佳性价比传输！ 目前硬件的发展条件，普通磁盘写的速率大概为100M/S, 寻址时间一般为10ms! 10ms / 1% = 1s 1s * 100M/S=100M 块在传输时，每64K还需要校验一次，因此块大小，必须为2的n次方，最接近100M的就是128M！ 如果公司使用的是固态硬盘，写的速度是300M/S，将块大小调整到 256M 如果公司使用的是固态硬盘，写的速度是500M/S，将块大小调整到 512M
问题：为什么块的大小不能设置太小，也不能设置太大？ 1.不能太大： 当前有文件a, 1G 128M一块 1G存8块 ， 取第一块 1G一块 1G存1块 ， 取第一块 只需要读取a文件0-128M部分的内容 ①在一些分块读取的场景，不够灵活，会带来额外的网络消耗 ②在上传文件时，一旦发生故障，会造成资源的浪费 2.不能太小： 文件a,128M 1M一块： 128个块，生成128个块的映射信息 128M一块， 1个块，一个块的映射信息 ①块太小，同样大小的文件，会占用过多的NN的元数据空间 ②块太小，在进行读写操作时，会消耗额外的寻址时间
4. 机架感知
HDFS分布式文件系统的内部有一个副本存放策略：以默认的副本数=3为例： 1、第一个副本块存本机 2、第二个副本块存跟本机同机架内的其他服务器节点 3、第三个副本块存不同机架的一个服务器节点上