【Hadoop】：HDFS简介

一.定义

HDFS(Hadoop Distributed File System):它是一个文件系统，用于储存文件，通过目录树来定位文件。同时，它是分布式的，由很多服务器联系起来实现其功能，集群的服务器有各自的角色。

HDFS的使用场景：适合一次写入，多次读入的场景，且不支持文件的修改。适合用来做数据分析，不适合做网盘应用。

二.优点

1.高容错性：
a）：数据自动保存为多个副本。它通过增加副本的方式，提高容错性

b) :  某一个副本丢失以后，它可以自动恢复

2.适合处理大数据

a) : 数据规模：能够处理数据的规模达到GB,TB，甚至PB级别的数据

b:)：文件规模：能处理百万规模以上的文件数量，数量非常之大

3.可以构建在廉价的及其之上，通过多副本机制，提高可用性

三.缺点

1.不适合低延时的数据访问，比如毫秒级的存储数据，这是不可能做到的

2.无法高效的对大量小文件进行储存

a：储存大量小文件的话，它会占用NameNode的大量内存来春村文件目录和块信息，这样是不可取的，因为NameNode的内存总是有限的。

b：小文件的寻址时间会超过读取时间，它违反了HDFS的设计目标

3.不支持并发写入，文件的随机修改

a:一个文件只能有一个写，不允许多个线程同时写

b：仅支持追加模式（append），不能够将已经写好的文件进行修改。

四.HDFS组成架构

 HDFS在储存文件的时候，以块block为单位，而不是以文件为单位。NameNode会记录所有的读写请求，并下放给DataNode进行实施。每一个DataNode只能够保存一个文件的副本。

 客户端Client也是haoop的一部分，而非我们实际用户所使用的客户端。

重点：但是块的大小不能设置太小,也不能设置太大

• 太大

  • 在一些分块读取的场景，不够灵活，会带来额外的网络消耗
  • 在上传文件时，一旦发生故障，会造成资源的浪费

• 太小

  • 同样大小的文件，会占用过多的NN的元数据空间
  • 在进行读写操作时，会消耗额外的寻址时间，因为块太小，在相同内存的情况下意味着地址addresses就会变多，这样就会消耗更长的时间来进行寻址。