Hadoop三大“金刚”完美剖析 ─────── HDFS、MapReduce、YARN

HDFS组件

储存文件的Block数据块

因为HDFS是分布式储存文件的模式，所以在储存文件的数据时，会将文件切分为大小一致的数据块，如果出现文件大小不是128M的倍数时，那么最后一个文件会与之前切分文件大小不一致。被切分成的数据块就是Block块，NameNode将Block块进行分布式储存到DataNode中。   （Block块的默认大小是128M）

HDFS三大机制

副本机制：为了保证数据的安全和效率，将每个BLOCK块存储到多个副本中
第一副本：
优先本机，否则就近随机
第二副本：
随机保存在与第一副本不同的机柜服务器上
第三副本：
随机保存在与副本二同一机柜的不同服务器上

负载均衡机制：
NameNode为了保证DataNode中Block块大小一样，分配储存任务时，会优先分配到余量比较大的DataNode

心跳机制：
（NameNode与DataNode的沟通)
DataNode每3秒会向NameNode发送自己状态信息，当DataNode 30秒不向NameNode发送自己的状态信息时，NameNode会每隔5分钟发送一次确认消息，连续两次后，没有收到回复，就会认定DataNode宕机了。

HDFS数据的写入原理

1、首先客户端发送上传文件请求到 NameNode 。

2、其次 NameNode 判断客户端是否有权限，如果有就判断该目录下是否已经存在该文件，确认有权限并且存在文件就执行下一步。

3、第三步，客户端会对文件进行切块成最大为默认128MB大小的块，然后再向 NameNode发送请求将‘Block块’上传到哪里。

4、然后 NameNode 根据 HDFS三大机制 找到储存该块的 DataNode 列表。

5、紧接着客户端接收到 DataNode 列表后与列表中的节点连接形成传输管道，再通过数据包（MAX=64KB) 的方式传输数据,并建立 ACK(方向应答机制)。
6、具体过程是:

        假设有三个节点第一节点为 node1 第二节点为 node2 第三节点为 node3。node1 接收到第一个数据包后向 node2 发送接收到的数据包，同时又向客户端反馈并且接收第二个数据包，node2 向 node1