HDFS简介

机架内部通过高速光纤交换机联结
主节点：数据目录
从节点：数据存储
实现目标：1）廉价设备 2）实现流数据读写、批量数据 3）支持大数据集 4）简单的文件模型、只允许追加数据，不允许修改 5）跨平台，java语言开发
局限性：1）不适合低延迟数据访问（HBase可以）2）无法高效储存大量小文件 3）不允许多用户修改

HDFS相关概念

块设计：128MB
块设计的好处：①支持大规模文件存储，突破单机存储上限 ②简化系统设计 ③适合数据备份：重要特性，对数据的冗余备份
名称节点：数据目录--->文件是什么、文件被分为多少块、每个块和文件是怎么映射的、每块存储在哪个服务器上

# 通过nn和dn在运行中不断沟通   
# shell命令启动    
# 第二名称节点：名称节点的冷备份、缓解editlog的不断增大

数据节点：存储在本地linux系统中

HDFS体系结构

主从结构

命名空间管理

# 通信协议：TCP/IP RPC

命名空间局限性：

# 命名空间限制：名称节点是保存在内存中的，名称节点所能容纳的对象会受到空间大小限制   
# 性能瓶颈：也受到单点吞吐量的影响
# 隔离问题
# 集群的可用性：发生故障会导致整个集群不可用

HDFS存储原理

数据冗余保存优点

# 加快数据传输速度，并行操作
# 容易检查数据错误
# 保证数据可靠性，系统探测到故障，自动恢复

如何存储

对于一个块block，同时生成3个副本。如果是集群内部服务器节点上传，则将副本1直接上传至该服务器；如果是集群外部上传，则将副本1随机上传至一台磁盘不太慢、CPU不太忙的节点。副本2要放到和第一个副本不同的机架上面。副本3放到和副本1相同机架的不同节点上。副本4，5，6...随机放到集群内各个节点上。

数据读取

就近读取。网络开销最小。HDFS提供了一个API可以确定一个数据节点所属的机架ID，客户端可以调用API获取自己所属于的机架ID。优先去找数据块副本对应的机架ID和客户端对应的机架ID相同的副本，同一个机架内部网络开销少，带宽高。如果没有发现，就随机读取。

数据的错误与恢复

名称节点出错

名称节点保存FsImage和Editlog两个核心数据结构，平常使用的时候会进行冷备份。

数据节点出错

# 数据节点定期向Namenode发送心跳信息
# 一个数据周期 nn收不到心跳信息 证明该节点发生了故障  此时在nn的数据节点列表中将该故障节点标记为宕机
# 然后把存储在故障机上面的数据 复制存储到别的机器上面
# 另外，负载发生不均衡时，也会调整冗余副本的位置


----数据出现错误----
# 数据存储成数据块时，会产生校验码
# 再次读取时，校验码出错的情况即产生了数据错误