HDFS知识点总结

Hadoop分布式文件系统(HDFS)被设计成适合运行在通用硬件上的分布式文件系统,支持数据流读取和处理超大规模文件,适合部署在廉价普通机器组成的集群上。HDFS具有高容错性,提供高吞吐量的数据访问,适用于大规模数据集上的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

HDFS

分布式存储(参考https://www.cnblogs.com/caiyisen/p/7395843.html



 

  1. Hadoop分布式文件系统(HDFS)被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统。

  2. HDFS支持数据流读取和处理超大规模文件,并能运行在由廉价普通机器组成的集群上。

  3. HDFS要实现的目标

    1. 兼容廉价的硬件设备
    2. 大数据集
    3. 简单的文件模型
    4. 强大的跨平台兼容性
    5. 不适合低延迟数据访问
    6. 无法高效存储大量小文件
    7. 不支持多用户写入任意修改文件
  4. HDFS是一个高度容错性的系统,适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问,非常适合大规模数据集上的应用。

  5. HDFS有着高容错性(fault-tolerant)的特点,并且设计用来部署在低廉的(low-cost)硬件上。而且它提供高吞吐量(high throughput)来访问应用程序的数据,适合那些有着超大数据集(large data set)的应用程序。

  6. HDFS的相关概念

    1. 块:为提高磁盘读写效率,一般以数据块为单位,而不是以字节为单位。HDFS默认一个块的大小是60MB,在HDFS中文件会被拆分成多个块,每个块作为独立的单位进行存储,HDFS在块的设计上明显大于普通文件系统的原因是:最小化寻址开销。
      1. 使用数据块的好处是:
        1. 一个文件的大小可以大于网络中任意一个磁盘的容量。文件的所有块不需要存储在同一个磁盘上,因此它们可以利用集群上的任意一个磁盘进行存储。
        2. 简化了存储子系统的设计,将存储子系统控制单元设置为块,可简化存储管理,同时元数据就不需要和块一同存储,用一个单独的系统就可以管理这些块的元数据。
        3. 数据块适合用于数据备份进而提供数据容错能力和提高可用性。
    2. 名称节点和数据节点
      1. 名称节点(NameNode 主节点):负责管理分布式文件系统的命名空间,保存了两个核心数据结构。存储元数据,保存文件。HDFS的守护进程,用来管理文件系统的命名空间,负责记录文件是如何分割成数据块,以及这些数据块分别被存储到那些数据节点上,它的主要功能是对内存及IO进行集中管理。
      2. 数据节点(DataNode 从节点):分布式文件系统HDFS的工作节点,负责数据的存储和读取,存储计算块,一次写入多次读取,因此适合处理离线数据。文件系统的工作节点,根据需要存储和检索数据块,并且定期向namenode发送他们所存储的块的列表。
    3. 第二名称节点(辅助后台程序,与NameNode进行通信,以便定期保存HDFS元数据的快照)

       

      1. EditLog文件:在名称节点运行期间,HDFS会不断发生更新操作并且直接被写到EditLog文件,所以为解决不断增大的EditLog文件对名称节点在启动过程中的影响,HDFS在设计中采用了第二名称节点。
      2. 第二名称结点的功能:首先,可以完成EditLog与FsImage的合并操作,减小EditLog文件大小,缩短名称节点重启时间。其次可以作为名称节点的“检查点”,保存名称节点中元数据的信息。
  7. 命令行接口

    1. 两个属性项: fs.default.name 用来设置Hadoop的默认文件系统,设置hdfs URL则是配置HDFS为Hadoop的默认文件系统。dfs.replication  设置文件系统块的副本个数
    2. 文件系统的基本操作:hadoop fs -help可以获取所有的命令及其解释 常用的有:(详见P55)
      1. hadoop fs -ls /   列出hdfs文件系统根目录下的目录和文件
      2. hadoop fs -copyFromLocal <local path> <hdfs path> 从本地文件系统将一个文件复制到HDFS
      3. hadoop fs -rm -r <hdfs dir or file> 删除文件或文件夹及文件夹下的文件
      4. hadoop fs -mkdir <hdfs dir>在hdfs中新建文件夹
      5. HDFS的文件访问权限:只读权限(r),写入权限(w),可执行权限(x)
### HDFS 知识点总结 #### 1. **HDFS 的基本概念** Hadoop分布式文件系统 (HDFS) 是一种专为通用硬件设计的分布式文件系统,具有高容错性和可扩展性特点[^1]。它的主要目标是通过廉价硬件提供可靠的数据存储服务。 #### 2. **HDFS 的核心组件** - **NameNode**: 负责管理文件系统的命名空间和元数据。它将文件系统的元数据存储在内存中,并响应客户端的读写请求[^2]。 - **DataNode**: 实际存储数据块的节点,负责执行数据的实际读写操作并定期向 NameNode 报告其状态。 #### 3. **HDFS 数据存储机制** HDFS 将大文件分割成固定大小的小块(Block),默认情况下,在 Hadoop 1.x 中 block 大小为 64MB,而在 Hadoop 2.x 中则增加到 128MB[^4]。这些 blocks 可以分布在集群的不同 DataNodes 上,从而实现负载均衡和冗余备份。 #### 4. **HDFS 容错能力** 为了提高可靠性,HDFS 对每一个文件都会创建多个副本,默认复制因子为三份[^1]。这意味着即使某些物理设备发生故障,只要还有其他地方存在该文件的有效拷贝就可以恢复丢失的信息。 #### 5. **HDFS 性能优化策略** - 放宽 POSIX 标准限制以便于更高效的批量处理任务需求[^1]. - 提供高吞吐量的数据访问路径特别适用于大规模数据分析场景. #### 6. **HDFS 元数据管理** HDFS 使用 FSImage 和 EditLog 来持久化保存整个文件系统的状态信息以及每次修改记录。FSImage 表示当前时刻完整的文件系统镜像;EditLogs 则记录自上次检查点以来发生的变更日志条目集合[^4]. #### 7. **HDFS 文件写入流程概述** 当客户端上传新文件至 HDFS 时: 1. 首先联系 Namenode 获取分配的目标 Datanodes 地址; 2. 接下来按照预定义好的 Block Size 进行分片传输给指定的一系列 Datanodes ; 3. 最终确认所有 Blocks 已经安全落地之后才会结束此次事务提交过程.[^5] --- ### 示例代码展示如何设置 HDFS 块大小 如果需要调整 HDFS 默认块大小可以在 `hdfs-site.xml` 配置如下参数: ```xml <configuration> <!-- 设置 HDFS 块大小 --> <property> <name>dfs.blocksize</name> <value>134217728</value> <!-- 单位字节(这里表示128M)--> </property> </configuration> ``` ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值