大数据学习----------hadoop----------（三）HDFS优缺点，组成架构，Shell常用操作，Api操作，HDFS读写流程和节点距离

HDFS优点

HDFS缺点

HDFS架构

这里注意管理数据的块大小是根据磁盘的传输速度得来的，一盘磁盘传输速率为100M/s 所有块设置为128M
如果使用固态硬盘传输速率达到300M到400M，块可以设置大小为256M。

hdfs之shell操作命令可以参考百度类似linux

hdfs之api操作
1、配置hadoop环境，环境变量配置

org.apache.hadoop
hadoop-client
3.1.3

maven中导入对应maven包版本号与服务器中版本号一致

第一步：获取文件系统，创建FileSystem，这里注意红字部分为设置一些基础配置这里配置了文件的生成总数（包含镜像），这里涉及到优先级
（1）客户端代码中设置的值 >（2）ClassPath 下的用户自定义配置文
件 >（3）然后是服务器的自定义配置（xxx-site.xml）>（4）服务器的默认配置（xxx-default.xml）
第二步：为具体要做的操作具体api可以百度下
第三步：关闭资源

HDFS写流程

（1）客户端通过 Distributed FileSystem 模块向 NameNode 请求上传文件，NameNode 检查目标文件是否已存在，父目录是否存在。
（2）NameNode 返回是否可以上传。
（3）客户端请求第一个 Block 上传到哪几个 DataNode 服务器上。
（4）NameNode 返回 3 个 DataNode 节点，分别为 dn1、dn2、dn3。 （5）客户端通过 FSDataOutputStream 模块请求 dn1 上传数据，dn1 收到请求会继续调用
dn2，然后 dn2 调用 dn3，将这个通信管道建立完成。
（6）dn1、dn2、dn3 逐级应答客户端。
（7）客户端开始往 dn1 上传第一个 Block（先从磁盘读取数据放到一个本地内存缓存），
以 Packet 为单位，dn1 收到一个 Packet 就会传给 dn2，dn2 传给 dn3；dn1 每传一个 packet
会放入一个应答队列等待应答。 （8）当一个 Block 传输完成之后，客户端再次请求 NameNode 上传第二个 Block 的服务
器。（重复执行 3-7 步）。

HDFS读流程

（1）客户端通过 DistributedFileSystem 向 NameNode 请求下载文件，NameNode 通过查
询元数据，找到文件块所在的 DataNode 地址。
（2）挑选一台 DataNode（就近原则，然后随机）服务器，请求读取数据。 （3）DataNode 开始传输数据给客户端（从磁盘里面读取数据输入流，以 Packet 为单位
来做校验）。
（4）客户端以 Packet 为单位接收，先在本地缓存，然后写入目标文件。

网络拓扑-节点距离计算
在 HDFS 写数据的过程中，NameNode 会选择距离待上传数据最近距离的 DataNode 接
收数据。那么这个最近距离怎么计算呢？
节点距离：两个节点到达最近的共同祖先的距离总和。

副本存储节点根据官方选择要求：