hdfs
所属分类 bigdata
浏览量 1322
HDFS优点
高容错性 数据自动保存多个副本 副本丢失后,自动恢复
适合批处理 移动计算而非数据 数据位置暴露给计算框架
适合大数据处理 GB、TB、甚至PB级数据 百万规模以上的文件数量 10K+节点规模
流式文件访问 一次性写入,多次读取 保证数据一致性
可构建在廉价机器上 通过多副本提高可靠性 提供容错和恢复机制
HDFS缺点,不适合以下操作方式:
低延迟数据访问
小文件存取 占用NameNode大量内存 寻道时间超过读取时间
并发写入、文件随机修改 一个文件只能有一个写入者 仅支持append
HDFS不适合存储小文件的原因
元信息存储在NameNode内存中 ,一个节点的内存是有限的
一个block元信息消耗大约150 byte内存 , 存储1亿个block,大约需要20GB内存
如果一个文件大小为10K,则1亿个文件大小仅为1TB(但要消耗掉NameNode 20GB内存)
存取大量小文件消耗大量的寻道时间
master-slave 架构
Active Namenode:主Master(只有一个)
管理HDFS的名称空间
管理数据块映射信息
配置副本策略
处理客户端读写请求
Standby Namenode:NameNode的热备;
定期合并fsimage和fsedits,推送给NameNode;
当Active NameNode出现故障时,快速切换为新的 Active NameNode。
Datanode:Slave(有多个)
存储实际的数据块
执行数据块读/写
Client:文件切分
与NameNode交互,获取文件位置信息;
与DataNode交互,读取或者写入数据;
管理HDFS;
访问HDFS。
HDFS数据块(block)
文件被切分成固定大小的数据块
默认数据块大小为64MB,可配置
若文件大小不到64MB,则单独存成一个block
为何数据块如此之大
数据传输时间超过寻道时间(高吞吐率)
一个文件存储方式
按大小被切分成若干个block,存储到不同节点上
默认情况下每个block有三个副本
写流程
读流程
HDFS Block副本放置策略
副本1: 同Client的节点上
副本2: 不同机架中的节点上
副本3: 与第二个副本同一机架的另一个节点上
其他副本:随机挑选
HDFS可靠性策略
文件完整性 CRC32校验
heartbeat datanode定期向namenode 发送心跳
元数据信息 FSImage editLog
多份存储
主备切换
HDFS访问方式
HDFS Shell命令
HDFS Java API :org.apache.hadoop.fs
HDFS REST API
HDFS Fuse:实现了fuse协议
HDFS lib hdfs:C/C++访问接口
HDFS 其他语言编程API 使用thrift实现 支持C++、Python、php、C#等语言
HDFS2.0新特性
NameNode HA
NameNode Federation
HDFS 快照(snapshot)
HDFS 缓存(in-memory cache)
HDFS ACL
异构层级存储结构(Heterogeneous Storage hierarchy)
上一篇
下一篇
华宝油气基金
投行三百年简史
Hadoop HBase Hive Spark
YARN
MapReduce
Hbase