9、hadoop-HDFS概述
1、HDFS的产生背景以及定义
产生背景
随着数据量越来越大,在一个系统存不下所有数据,那就需要分配到更多的操作系统管理磁盘
单数不方便管理和维护,迫切需要一种系统来管理多台机器上文件,这也是分布式文件股那里系统
HDFS只是分布式文件管理系统中的一种
HDFS定义
HDFS
(hadoop Distributed File System)他是一个文件系统,用于存储文件,通过目录书来定义文件
其次他是分布式的,由很多服务器联合起来实现其功能,集群中的服务器各有各自的角色
HDFS的使用场景:
多次读出的场景,且不支持文件的修改,适合用来做数据分析,并不适合用来做网盘应用
2、优缺点
优点
1、高容错性
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,数量相当之大
3、可以构建在廉价的机器上,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,比如毫秒级的数据存储,是做不到的
2、无法高效的对大量小文件进行存储
存储大量小文件的话,他会占用NameNode大量的内存来存储文件目录和 块信息。这是不可取的,因为NameNode的内存是有限的
小文件存储的寻址时间会超过读取时间,违反了HDFS的设计目标
3、不支持并发写入、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
仅支持对数据append(追加),不支持文件的随机修改
3、HDFS组成架构
1、NameNode(nn):就是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
2、FateNode:就是Slave,NamdeNode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
3、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,然后进行上传
(2)、与NameNode交互,获取文件的日志信息
(3)、与DataNode交互,读取或者写入数据
(4)、Client提供一些特殊的命令克劳管理HDFS,比如NameNode格式化
(5)、Client可以通过一些命令来访问HDFS增删改操作
4、SecondaryNameNode:并非NameNode的热备党NameNode挂掉
它并不能马上替换NameNode并提供服务
(1)、辅助NameNode,分担其工作量,比如顶起合并Fsimage和Edits并推送给NameNode
(2)、在紧急情况下,可以辅助恢复NamdNode
4、HDFS文件块大小
HDFS的我呢见在物理上是分块存储(Block)
块的大小可以通过配置参数(dfs.blocksize)来规定
默认在Hadoop2.x版本中是128M,老版本是64M
为什么块的大小不饿能设置太小,也不能设置太大?
(1)、HDFS的块设置太小,会增加寻址时间,程序一直在找块的开始位置
(2)、如果块设置太大,从磁盘上传输的数据时间会明显大于定位这个块开始位置所需要的时间
导致程序在处理这块数据时,会非常慢
总结:
HDFS的块大小设置主要时取决于磁盘的传输速率