Hadoop 分布式文件系统(HDFS)被设计成适合运行在通用硬件上的分布式文件系统，它是一个高度容错性的系统，适合部署在廉价的机器上，能够提供高吞吐量的数据访问，非常适合大规模数据集上的应用。为了做到可靠性，HDFS创建了多份数据块的副本，并将它们放置在服务器群的计算节点中，MapReduce 可以在它们所在的节点上处理这些数据。
1. HDFS 的设计目标
- 存储大规模数据：HDFS 可以存储并管理 PB 级甚至 EB 级的数据。
- 高容错性：数据自动保存多个副本，副本丢失自动恢复
- 高吞吐量：适合流式数据访问，支持高并发读写，一次写入，可多次读取，确保数据的一致性。
- 低成本：可以在普通硬件上运行，降低存储成本。
2. HDFS 的设计思想和体系架构
HDFS采用主从架构。一个HDFS集群是由一个NameNode和一定数目的DataNodes 组成。其中 NameNode 是一个中心服务器，负责文件系统的名字空间(namespace)管理以及客户端对文件的访问。集群中的DataNode一般是一个节点一个，负责管理它所在节点上的存储。
HDFS设计思想
从内部看，一个文件其实被分成一个或多个数据块，这些块存储在一组DataNode（server）之上。NameNode执行文件系统的名字空间操作，比如打开、关闭、重命名文件或目录，同时它也负责确定数据块到具体DataNode节点的映射。DataNode负责处理文件系统客户端的读写请求，在NameNode的统一调度下进行数据块的创建、删除和复制。
HDFS框架结构
HDFS使用Java语言开发，因此任何支持Java的机器都可以部署NameNode或DataNode。 由于采用了可移植性极强的Java语言，这就使得HDFS可以部署到几乎所有类型的机器上。
三.NameNode
1.NameNode的作用
- 元数据管理：Namenode 是HDFS的元数据节点，负责文件系统的名字空间(Namespace)管理以及客户端对文件的访问。
- 文件元数据操作：NameNode 负责文件元数据的操作，如创建、删除、重命名文件或目录。
- 数据块管理：NameNode 决定数据块的副本存放在哪些 DataNode 上。读取文件时，NameNode 会尽量让用户先读取最近的副本（通过网络拓扑距离来衡量），以降低带宽消耗和读取时延。
- 心跳机制：NameNode 周期性地从每个 DataNode 接收心跳信号和块状态报告。心跳信号表示 DataNode 工作正常，块状态报告包含 DataNode 上所有数据块的信息列表。
2. NameNode 的目录结构
NameNode 的元数据存储在本地文件系统的以下目录中：${dfs.name.dir}/current/
包含以下文件：
- VERSION：是Java properties 文件，保存 HDFS 的版本信息
- edits：修改日志（Edit Log），记录对文件系统元数据的修改。存储在本地文件系统中。
- fsimage：命名空间镜像文件，保存整个文件系统的命名空间包括数据块映射信息，文件属性等等。存储在本地文件系统中。
- fstime：记录最后一次检查点（checkpoint）的时间。
3. NameNode 的启动与检查点
NameNode 在内存中保存着整个文件系统的命名空间和文件数据块映射的映像，这个关键的元数据结构设计得非常紧凑，因而一个有4G内存的NameNode就足以支撑巨大量的文件和目录。
（1）启动过程：
- NameNode 从硬盘读取 FsImage 和 Edit Log。
- 将 Edit Log 中的事务应用到内存中的 FsImage。
- 将更新后的 FsImage 保存到本地磁盘，并删除旧的 Edit Log。
（2）检查点（Checkpoint）：
- 定期将内存中的元数据保存到 FsImage，并清理 Edit Log。
- 由 Secondary NameNode 辅助完成。
4. Secondary NameNode 的作用
（1）辅助 NameNode：
- Secondary NameNode 不是 NameNode 的备用节点，而是辅助 NameNode 完成检查点。
- 主要功能是定期合并 FsImage 和 Edit Log，防止 Edit Log 过大。
（2）检查点过程：
- Secondary NameNode 通知 NameNode 生成新的 Edit Log。
- 从 NameNode 获取 FsImage 和旧的 Edit Log。
- 将 FsImage 加载到内存，并应用 Edit Log 中的事务，生成新的 FsImage。
- 将新的 FsImage 传回 NameNode。
- NameNode 更新 FsImage 和 Edit Log，并记录检查点时间。
Secondary NameNode并不是NameNode出现问题时候的备用节点，它和NameNode负责不同的事情。其主要功能就是周期性地将NameNode的命名空间镜像文件和修改日志合并，以防日志文件过大。合并过后的命名空间镜像文件也在Secondary NameNode保存了一份，以防止在 NameNode失败的时候，可以安全恢复。Secondary NameNode 通常在一个独立的机器上运行，它的内存要求和主 NameNode 是一样的。Secondary NameNode在配置后通过 start-dfs.sh 启动。
四.DateNode
1.DataNode的作用
- 数据存储：DataNode是文件系统中真正存储数据的地方，一个数据块在DataNode磁盘存储时，会存储数据块本身，以及元数据包括数据块的长度、块数据的校验和、以及时间戳。
- 数据块管理：DataNode是HDFS文件系统的工作节点，DataNode会按照客户端或者是NameNode的调度来存储和检索数据，并定期向NameNode发送它所存储的数据块列表。
- 与 NameNode 通信：DataNode启动后向NameNode注册，注册成功后，周期性每小时向NameNode上报所有的块信息，心跳频率每3秒一次，心跳返回结果带有 NameNode 给该 DataNode 的命令，如复制块数据到另一台机器，或删除某个数据块等等。
- 节点状态：如果 NameNode超过10分钟没有收到某个DataNode的心跳，则认为该节点不可用。集群在运行中可以安全地加入或剔除状态异常的机器。
2. DataNode 的目录结构
DataNode 的数据存储目录结构如下：${dfs.data.dir}/current/
包含以下内容：
- VERSION：存储 DataNode 的版本信息。
blk_<id>：存储数据块的二进制数据。blk_<id>.meta：存储数据块的元数据，包括校验和、长度和时间戳。
五 .HDFS数据块
1.数据块大小：默认情况下，HDFS 的数据块大小为 128MB（Hadoop 2.x 及以上版本）或 64MB（Hadoop 1.x 版本）。用户可以根据需要调整块大小。
2.数据块分布：HDFS 通过数据块副本机制实现高容错性。默认情况下，每个数据块会被复制到 3 个不同的 DataNode 上。
而在传统的块存储介质中，块是读写的最小数据单位(扇区)，传统文件系统是基于存储块进行操作 的，为了节省文件分配表空间，一般会对物理存储块进行整合，通常为 4KB 或 64KB。
那为什么HDFS 的块远远大于传统文件系统的块？
- 块大小较小，文件会被分割成更多的数据块，导致元数据量大幅增加，占用大量 NameNode 内存。较大的块大小可以减少元数据量，降低 NameNode 的内存压力。NameNode 的元数据管理更加高效。
- 减少寻址开销：在传统文件系统中，较小的块大小会导致更多的磁盘寻址操作，增加 I/O 开销。HDFS 的较大块大小可以减少寻址次数，提高数据访问效率。
- HDFS 设计用于处理大规模数据，适合流式数据访问（即顺序读取大文件）。较大的块大小可以减少数据块的切换频率，提高数据读取的吞吐量。
