Hadoop的概述

HDFS产出的背景和意义
1.1hdfs产生的背景
随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系统管理的磁盘中但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统。hdfs只是分布式管理系统的一种。
1.2hdfs的定义
HDFS，它是一个文件系统，用于存储文件，通过目录树来定位文件；其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色。
HDFS优缺点
优点1.高容错性：

（1）数据自动保存多副本。它通过增加副本的形式，提高容错。 （2）某个副本丢失后，可以自动恢复。

2.适合处理大数据

（1）数据规模：能够 处理数据规模达到GB、TB\甚至PB级别的数据
（2）文件规模：能够处理百万规模以上的文件数据，数据量之大。
3.可构建在廉价机器上，通过多副本机制，提高可靠性。

缺点：
1.不适合低延迟的数据访问，比如毫秒级的存储数据，是做不到的。
2.无法高效的对大量小文件进行存储。
（1）存储大量小文件的话，它会占用NameNode大量的内存来存储文件目录和快信息，这样是不可取的，因为NameNode的内存有限的；
（2）小文件存储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、文件随机修改
（1）一个文件只有一个写，不允许多个线程同时写
（2）仅支持数据append（追加），不支持文件随机修改

HDFS组成架构

1.Namenode：就是master，它是一个管理者、主管。

（1）管理HDFS的名称空间； （2）配置副本策略 （3）管理数据块（block）映射信息 （4）处理客户端的读写请求

2.DataNode ：就是slave。NameNode下达命令，DataNode执行实际操作。

（1）存储实际数据块 （2）执行实际的读写操作

3.Client(客户端)

1. 文件切分，文件上传HDFS的时候，client将文件切分成一个一个的block，然后进行上传

2. 与NameNode交互，获取文件的位置信息

3. 与DataNode交互，读取或者写入数据

4. client提供一些命令管理HDFS，比如NameNode的格式化

5. client可以通过一些命令来访问hdfs，比如说对hdfs增删改操作
   4 SecondaryNameNode：并非是NameNode的热备。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。

   1.辅助NameNode，分担其工作量，比如定期合并Fsimage和edits，并推送NameNode
   2.在紧急情况下，可辅助恢复NameNode
   思考题：为什么块信息大小不能设置太小，也不能设的太大？
   1.HDFS的块信息设置太小，会增加寻址时间，程序一直在找的开始位置
   2.如果块信息设置太大，从磁盘传输数据的时间明显大于定位这个块开始位置所需要的时间。导致程序在处理这块数据非常慢。
   总结：HDFS块的大小设置取决于磁盘传输速率。