ITPub博客

首页 > 应用开发 > IT综合 > HDFS入门概述

HDFS入门概述

原创 IT综合 作者:千锋Python唐小强 时间:2020-07-03 16:00:04 0 删除 编辑

真正的学习是去探索,思考和重建

HDFS产生背景

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。


HDFS入门概述

HDFS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

关键词:文件系统,分布式

使用场景

适合一次写入,多次读出的场景,且不支持文件的修改。适合用来做数据分析,并不适合用来做网盘应用

优点

  • 高容错性(1)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。 (2)某一个副本丢失以后,它可以自动恢复
  • 适合处理大数据(1)数据规模:能够处理数据规模达到GB、TB、甚至PB级别的数据: (2)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

缺点

  • 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
  • 无法高效的对大量小文件进行存储
(1)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:

(2)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。
  • 不支持并发写入、文件随机修改HDFS
1)一个文件只能有一个写,不允许多个线程同时写:

2)仅支持数据 append(追加),不支持文件的随机修改

HDFS组成架构图

HDFS文件块大小

思考:快为什么不能设置太小,也不能设置太大呢?

(1)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:(2)HDFS的块比磁盘的块大,其目的是为了最小化寻址开销:(3)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。


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/69923331/viewspace-2702309/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论

注册时间:2019-05-14

  • 博文量
    995
  • 访问量
    621885