hadoop之HDFS概述

HDFS的定义？

Hadoop分布式文件管理系统。旨在对不同系统上的文件进行统一的管理。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。

使用场景？

适合一次写入，多次读出的场景，且不支持文件的修改，适合用来做数据分析，并不适合用来做网盘应用。

它的优点？

（1）高容错性

• 数据自动保存多个副本，它通过增加副本的形式，提高容错性
• 某一个副本丢失以后，它可以自动恢复

（2）适合处理大数据

• 数据规模：能够处理数据规模达到GB、TB甚至是PB级别的数据
• 文件规模：能够处理百万规模以上的文件数据

（3）可构建在廉价机器上，通过多副本机制，提高可靠性

它的缺点？

（1）不适合低延时数据访问，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

• 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块信息，这样实不可取的，因为NameNode的内存总是有限的
• 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，文件的随机修改

• 一个文件只能有一个写，不允许多个线程同时写
• 仅支持数据的追加，不支持数据的随机修改

HDFS的组成架构？

HDFS文件块的大小？

块设置的不能太小，也不能太大？

（1） HDFS块设置得太小，会增加寻址时间，程序一直寻找块的开始位置

（2）如果设置得太大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间，导致程序在处理这块数据时，会非常慢。

HDFS块的大小的设置主要取决于磁盘传输的速率。