HDFS核心概念与架构

HDFS简介

HDFS是Hadoop项目的核心子项目，在大数据开发中通过分布式计算对海量数据进行存储与管理，它基于流数据模式访问和处理超大文件的需求而开发，可以运行在廉价的商用服务器上，为海量数据提供了不怕故障的存储方法，进而为超大数据集的应用处理带来了很多便利。
HDFS的特点：
 支持大型数据集
 遵循简单一致性模型
 运行于廉价的商用服务器上
 不适合低延迟数据访问
 存储大量小文件的效率不高
 不支持多用户写入、不支持修改文件

HDFS数据存储架构

一个HDFS集群由一个元数据节点（NameNode）和一些数据节点（DataNode）组成，NameNode是一个用来管理文件命名空间的主服务器，DataNode则用来管理对应节点的数据存储。

一个HDFS集群由一个元数据节点（NameNode）和一些数据节点（DataNode）组成，NameNode是一个用来管理文件命名空间的主服务器，DataNode则用来管理对应节点的数据存储。
默认将一个文件块复制三份分别存放。


HDFS数据读写特点：一次写入，多次读取。

HDFS主要组件

数据块（Block）：HDFS中最基本的存储单位，默认64M(128M)。
NameNode和DataNode：NameNode存储文件元数据信息，DataNode存储实际文件数据。 从元数据节点（SecondaryNameNode）：定期将NameNode中的元数据进行合并。它的目的是帮助 NameNode 合并编辑日志，减少 NameNode 启动时间。

BackupNode：对NameNode中的元数据进行备份。
JournalNode：两个NameNode为了同步数据，会通过一组JournalNode的独立进程进行相互通信。

HDFS数据读写

客户端从HDFS中读取数据的过程如下图：

客户端从HDFS中写入数据的过程如下图：