HDFS的基本概念
1、数据块(block)
HDFS(Hadoop Distributed File System)默认的最基本的存储单位是64M的数据块。
和普通文件系统相同的是，HDFS中的文件是被分成64M一块的数据块存储的。
不同于普通文件系统的是，HDFS中，如果一个文件小于一个数据块的大小，并不占用整个数据块存储空间。
2、元数据节点(Namenode)和数据节点(datanode)
namenode用来管理文件系统的命名空间
其将所有的文件和文件夹的元数据保存在一个文件系统树中。
这些信息也会在硬盘上保存成以下文件：命名空间镜像(namespace image)及修改日志(edit log)
其还保存了一个文件包括哪些数据块，分布在哪些数据节点上。然而这些信息并不存储在硬盘上，而是在系统启动的时候从数据节点收集而成的。
datanode是文件系统中真正存储数据的地方。
客户端(client)或者元数据信息(namenode)可以向数据节点请求写入或者读出数据块。
其周期性的向元数据节点回报其存储的数据块信息。
从元数据节点(secondary namenode)
secondary namenode并不是元数据节点出现问题时候的备用节点，它和元数据节点负责不同的事情。
其主要功能就是周期性将namenode的namespace image和edit log合并，以防日志文件过大。
合并过后的namespace image也在从元数据节点保存了一份，以防namenode失败的时候，可以恢复。
2.1、namenode文件夹结构
${dfs.name.dir}/current/VERSION
/edits
/fsimage
/fstime
VERSION文件是java properties文件，保存了HDFS的版本号。
#Fri Dec 21 16:45:25 CST 2012 namespaceID=1555019963 cTime=0 storageType=NAME_NODE layoutVersion=-32
layoutVersion是一个负整数，保存了HDFS的持久化在硬盘上的数据结构的格式版本号。
namespaceID是文件系统的唯一标识符，是在文件系统初次格式化时生成的。
cTime此处为0
storageType表示此文件夹中保存的是元数据节点的数据结构。
fsimage和edits：
当文件系统客户端(client)进行写操作时，首先把它记录在修改日志中(edit log)
元数据节点在内存中保存了文件系统的元数据信息。在记录了修改日志后，元数据节点则修改内存中的数据结构。
每次的写操作成功之前，修改日志都会同步(sync)到文件系统。
fsimage文件，也即命名空间映像文件，是内存中的元数据在硬盘上的checkpoint，它是一种序列化的格式，并不能够在硬盘上直接修改。
同数据的机制相似，当元数据节点失败时，则最新checkpoint的元数据信息从fsimage加载到内存中，然后逐一重新执行edit log中的操作。
2.2、secondary namenode的目录结构
${dfs.name.dir}/current/VERSION
/edits
/fsimage
/fstime
/previous.checkpoint/VERSION
/edits
/fsimage
/fstime
secondary namenode就是用来帮助namenode将内存中的元数据信息checkpoint到硬盘上的。
checkpoint的过程如下：
secondary namenode通知namenode生成新的日志文件edits.new，以后的日志都写到新的日志文件中。
secondary namenode用http get从元数据节点获得fsimage文件及旧的日志文件。
secondary namenode将fsimage文件加载到内存中，并执行日志文件中的操作，然后生成新的fsimage文件。
secondary namenode将新的fsimage文件用http post传回namenode
namenode可以将旧的fsimage文件及旧的日志文件，换为新的fsimage文件和新的日志文件(第一步生成的)，然后更新fstime文件，写入此次checkpoint的时间。
这样namenode中的fsimage文件保存了最新的checkpoint的元数据信息，日志文件也重新开始，不会变的很大了。
2.3、datanode的目录结构
${dfs.name.dir}/current/VERSION
/blk_<id_1>
/blk_<id_1>.meta
/blk_<id_2>
/blk_<id_2>.meta
/...
/blk_<id_64>
/blk_<id_64>.meta
/subdir0/
/subdir1/
/...
/subdir63/
blk_<id>保存的是HDFS的数据块，其中保存了具体的二进制数据。
blk_<id>.meta保存的是数据块的属性信息：版本信息，类型信息，和checksum
subdirxx:当一个目录中的数据块到达一定数量的时候，则创建子文件夹来保存数据块及数据块属性信息。
数据节点的VERSION文件格式如下：
namespaceID=1232737062 storageID=DS-1640411682-127.0.1.1-50010-1254997319480 cTime=0 storageType=DATA_NODE layoutVersion=-18
转自 http://www.cnblogs.com/forfuture1978/archive/2010/03/14/1685351.html