【HDFS】 一、HDFS概述

文章目录

一、产出背景及定义二、HDFS优缺点三、HDFS组成架构四、HDFS文件块大小（面试重点）

一、产出背景及定义

HDFS产生背景 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只是分布式文件管理系统中的一种。HDFS定义 HDFS(Hadoop Distributed File System)，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的使用场景：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。

二、HDFS优缺点

优点 1.1 高容错性 1）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。 2）某一个副本丢失以后，它可以自动恢复。 1.2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︰能够处理白万规模以上的文什数量，数量相当之大。 1.3 可构建在廉价机器上，通过多副本机制，提高可靠性。

缺点 2.1 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。 2.2 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块信息。这样是不可取的，因为NameNode的内存总是有限的； 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。 2.3 不支持并发写入、文件随机修改。 HDFS 1）一个文件只能有一个写，不允许多个线程同时写; 2）仅支持数据append(追加)，不支持文件的随机修改。

三、HDFS组成架构

四、HDFS文件块大小（面试重点）

思考:为什么块的大小不能设置太小，也不能设置太大? (1)HDFS的块设置太小，会增加寻址时间，程序—直在找块的开始位置; (2）如果块设置的太大，从磁盘传输数据的时间会明显大于定位这个块开始位置听需的时间。导致程序在处理这块数据时，会非常慢。 总结: HDFS块的大小设置主要取决于磁盘传输速率。