Hadoop之HDFS的概念及用法

1、概念介绍

　　Hadoop是Apache旗下的一个项目。他由HDFS、MapReduce、Hive、HBase和ZooKeeper等成员组成。

　　HDFS是一个高度容错的分布式文件系统。他能够提高吞吐量的数据访问，适合存储海量的大文件。

　　HDFS由四部分构成：HDFS client、NameNode、DataNode、Secondary NameNode。

　各组件概念：
  1、HDFS client

  2、NameNode

　　用于维护集群内元数据，也就是保存文件存储位置，集群存储方式为一个大文件存储在多个服务器中，而且为了维护健壮性，一个文件有多个备份，这些备份位置都需要存储在NameNode中。

 。。。待编辑

 

a

sdf

 

2、操作（此版本为Hadoop2.7，网上说的另一种editlog和fsimage的存储方式为更早版本）

　　a) 启动HDFS

　　　　从fsimage文件中读取元数据信息到内存中。

　　b) 读文件

　　　　1. 扫描HDFS中的元素据信息。客户端访问NameNode，NameNode把DataNode存放数据的位置等信息(存储的元数据信息)，从内存中取来。

　　　　2. 客户端下载文件。客户端根据NameNode提供的元数据信息，与DataNode简历RPC通信，进行IO操作。

　　c) 写文件

　　　　1. 客户端与NameNode建立通信。判断存储空间的剩余量，判断所存放的文件的存放分布方式。

　　　　2. NameNode元数据信息落盘。生成一个editlog文件，保存元数据信息和元数据的操作。

　　　　3. 客户端与DadaNode建立通信。进行IO操作

　　d) NameNode数据固化

　　　　NameNode在空闲的时候，会把editlog中的元数据信息和操作信息，合并到fsimage(二进制信息，读写快速)文件中。

　　　　每次HDFS启动时，NameNode都会把未合并到fsimage中的数据信息，合并过去。

　　　　SecondartNameNode通过RPC通信，把editlog中的元数据信息和操作信息，合并到fsimage文件中，并推送给NameNode。