一、HDFS产生的背景

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，但是不方便管理和维护，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。

二、HDFS的定义

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。一个文件经过创建、写入和关闭之后就不需要改变。

三、HDFS的优缺点

1.HDFS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PB级别的数据;
➢文件规模:能够处理百万规模以上的文件数量，数量相当之大。

#3.可构建在廉价机器上，通过多副本机制，提高可靠性。

2.HDFS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。这样是不可取的，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append (追加)，不支持文件的随机修改。

四、 HDFS组成架构

#1.NameNode (nn) :就是Master， 它是一个主管、管理者。
➢管理HDFS的名称空间;
➢配置副本策略;
➢管理数据块(B1ock) 映射信息;
➢处理客户端读写请求。

#2.DataNode: 就是Slave。NameNode下达命令, DataNode执行 实际的操作。
➢存储实际的数据块;
➢执行数据块的读/写操作。

#3.Client: 就是客户端。
➢文件切分。文件上同HDFS的时候，Client将文件切分成一个一个的Block, 然局进行上传;
➢与NameNode交互， 获取文件的位置信息;
➢与DataNode交互，读取或者写入数据;
➢Client提供一些命令来管理HDFS, 比如NameNode格式化;
➢Client可以通过一些命令来访问HDFS,比如对HDFS增删改查操作；

#4.Secondary NameNode:并非NameNode的热备。当NameNode挂掉的时候, 它并不能马上昔换NameNode并提供服务.
➢辅助NameNode,分担其工作量，比如定期合并simage和Edits,并推送台NameNode;
➢在紧急情况下，可辅助恢复NameNode.

五、HDFS文件块大小

HDFS中的文件在物理上是分块存储(B1ock)块的大小可以通过配置参数(dfs blocksize)来规定，默认大小在Hadoop2.x/3.x版本中是128M，1.x版本中是64M。

#1.思考:为什么块的大小不能设置太小，也不能设置太大?
➢HDFS的块设置太小，会增加寻址时间，程序一直在找块的开始位置;
➢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所需的时间。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。