干了半年Hadoop开发，前几天公司来了个java新人。小伙子对Hadoop大数据感兴趣，问我什么是HDFS分布式文件系统？我想有疑问的不只是他一个java开发，今天就简单的给大家介绍一下什么是HDFS。
NameNode（名字节点）：系统中通常只有一个，中心服务器的角色，管理存储和检索多个DataNode的实际数据所需的所有元数据。
DataNode（数据节点）：系统中通常有多个，是文件系统中真正存储数据的地方，在NameNode统一调度下进行数据块的创建、删除和复制。
图中的Client是HDFS的客户端，是应用程序可通过该模块与NameNode和DataNode进行交互，进行文件的读写操作。
对于刚开始接触Hadoop的同学，不直接看书自学。我最初就是自己啃书但是学的很费劲，没有目标不知道实际工作中需要什么。
后来在论坛了认识了摆渡的孙哥，他给了我一套视频，内容很详细的，有基础入门，生态圈，真实案例我也是看了视频以后才慢慢入的门，到学会Hadoop。
计划学Hadoop的同学可以跟孙哥的小跟班 ganshiyun666，要这套视频的最新版，这个是徽亻言，注明 ：一点
HDFS是一种文件系统，自身也有块（block）的概念，其文件块要比普通单一磁盘上文件系统大的多，默认是64MB。
HDFS文件的大小可以大于网络中任意一个磁盘的容量，文件的所有块并不需要存储在一个磁盘上，因此可以利用集群上任意一个磁盘进行存储，由于具备这种分布式存储的逻辑，所以可以存储超大的文件，通常G、T、P级别。
一个文件经过创建、写入和关闭之后就不需要改变，这个假设简化了数据一致性的问题，同时提高数据访问的吞吐量。
Hadoop的设计对硬件要求低，无需昂贵的高可用性机器上，因为在HDFS设计中充分考虑到了数据的可靠性、安全性和高可用性。
对于Hadoop系统，小文件通常定义为远小于HDFS的block size（默认64MB）的文件，由于每个文件都会产生各自的MetaData元数据，Hadoop通过Namenode来存储这些信息，若小文件过多，容易导致Namenode存储出现瓶颈。
为了并发性，HDFS需要一次写入多次读取，目前不支持多用户写入，针对有多人写入数据的场景，可以考虑采用Hbase的方案。4)结构化数据
HDFS适合存储半结构化和非结构化数据，若有严格的结构化数据存储场景，也可以考虑采用Hbase的方案。
通常Hadoop适用于TB、PB数据，若待处理的数据只有几十GB的话，不使用Hadoop。
推荐：
网友评论 ()条 查看