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）