我有一壶酒,足以慰平生。

0%

HDFS机制

HDFS前言

设计思想

分而治之:将大文件、大批量文件,分布式存放在大量服务器上,以便于采取分而治之的方式对海量数据进行运算分析;

在大数据系统中作用:

为各类分布式运算框架(如:mapreduce,spark……)提供数据存储服务

重点概念:

文件切块

副本存放

元数据

HDFS概述

Hadoop分布式文件系统(HDFS)是指被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统(Distributed File System)。它和现有的分布式文件系统有很多共同点。但同时,它和其他的分布式文件系统的区别也是很明显的。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。HDFS放宽了一部分POSIX约束,来实现流式读取文件系统数据的目的。HDFS在最开始是作为Apache Nutch搜索引擎项目的基础架构而开发的。HDFS是Apache Hadoop Core项目的一部分。

HDFS的概念和特性

概念

分布式文件系统

用于存储文件,通过统一的命名空间——目录树来定位文件。

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。

特性

  1. HDFS中的文件在物理上是分块存储(block),块的大小可以通过配置参数( dfs.blocksize)来规定,默认大小在hadoop2.x版本中是128M,hadoop1.x老版本中是64M。
  2. HDFS文件系统会给客户端提供一个统一的抽象目录树,客户端通过路径来访问文件。
  3. 目录结构及文件分块信息(元数据)的管理由namenode节点承担,namenode是HDFS集群主节点,负责维护整个hdfs文件系统的目录树,以及每一个路径(文件)所对应的block块信息(block的id,及所在的datanode服务器)。
  4. 文件的各个block的存储管理由datanode节点承担,datanode是HDFS集群从节点,每一个block都可以在多个datanode上存储多个副本(副本数量也可以通过参数设置dfs.replication)。
  5. HDFS是设计成适应一次写入,多次读出的场景,且不支持文件的修改(不支持从中间插入数据,支持追加)。

==注:适合用来做离线数据分析,并不适合用来做网盘应用,因为,不便修改,延迟大,网络开销大,成本太高==

HDFS的shell(命令行客户端)操作

HDFS上传、下载流程

上传

image-20200710152610587

  1. 客户端向集群的namenode节点发起请求,发起上传请求链接。
  2. namenode节点自检,查看客户端上传文件是否存在,若存在则向客户端响应文件已存在,若不存在则记录相应源文件并向用户反馈将要存储的datanode(datanode1、datanode2、datanode3)节点位置。
  3. 用户发起上传请求,datanode节点接受文件,并在相应的节点进行文件备份。

下载

image-20200710154202520

您的支持是我继续创作的动力