HDFS基本概念有哪些-創(chuàng)新互聯(lián)

小編給大家分享一下HDFS基本概念有哪些，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

成都一家集口碑和實(shí)力的網(wǎng)站建設(shè)服務(wù)商，擁有專(zhuān)業(yè)的企業(yè)建站團(tuán)隊(duì)和靠譜的建站技術(shù)，十余年企業(yè)及個(gè)人網(wǎng)站建設(shè)經(jīng)驗(yàn) ,為成都上1000家客戶提供網(wǎng)頁(yè)設(shè)計(jì)制作,網(wǎng)站開(kāi)發(fā),企業(yè)網(wǎng)站制作建設(shè)等服務(wù),包括成都營(yíng)銷(xiāo)型網(wǎng)站建設(shè)，成都品牌網(wǎng)站建設(shè)，同時(shí)也為不同行業(yè)的客戶提供網(wǎng)站設(shè)計(jì)、成都網(wǎng)站建設(shè)的服務(wù),包括成都電商型網(wǎng)站制作建設(shè),裝修行業(yè)網(wǎng)站制作建設(shè)，傳統(tǒng)機(jī)械行業(yè)網(wǎng)站建設(shè),傳統(tǒng)農(nóng)業(yè)行業(yè)網(wǎng)站制作建設(shè)。在成都做網(wǎng)站,選網(wǎng)站制作建設(shè)服務(wù)商就選創(chuàng)新互聯(lián)。
　　1.1 HDFS的介紹

　　源自于Google的GFS論文 發(fā)表于2003年10月 HDFS是GFS克隆版 ，HDFS的全稱是Hadoop Distributed File System易于擴(kuò)展的分布式文件系統(tǒng)，運(yùn)行在大量普通廉價(jià)機(jī)器上，提供容錯(cuò)機(jī)制，為大量用戶提供性能不錯(cuò)的文件存取服務(wù)

　　整個(gè)Hadoop的體系結(jié)構(gòu)主要是通過(guò)HDFS來(lái)實(shí)現(xiàn)對(duì)分布式存儲(chǔ)的底層支持，并通過(guò)MR來(lái)實(shí)現(xiàn)對(duì)分布式并行任務(wù)處理的程序支持。

　　HDFS采用主從(Master/Slave)結(jié)構(gòu)模型，一個(gè)HDFS集群是由一個(gè)NameNode和若干個(gè)DataNode組成的(在最新的Hadoop2.2版本已經(jīng)實(shí)現(xiàn)多個(gè)NameNode的配置-這也是一些大公司通過(guò)修改hadoop源代碼實(shí)現(xiàn)的功能，在最新的版本中就已經(jīng)實(shí)現(xiàn)了)。NameNode作為主服務(wù)器，管理文件系統(tǒng)命名空間和客戶端對(duì)文件的訪問(wèn)操作。DataNode管理存儲(chǔ)的數(shù)據(jù)。HDFS支持文件形式的數(shù)據(jù)。

　　從內(nèi)部來(lái)看，文件被分成若干個(gè)數(shù)據(jù)塊，這若干個(gè)數(shù)據(jù)塊存放在一組DataNode上。NameNode執(zhí)行文件系統(tǒng)的命名空間，如打開(kāi)、關(guān)閉、重命名文件或目錄等，也負(fù)責(zé)數(shù)據(jù)塊到具體DataNode的映射。DataNode負(fù)責(zé)處理文件系統(tǒng)客戶端的文件讀寫(xiě)，并在NameNode的統(tǒng)一調(diào)度下進(jìn)行數(shù)據(jù)庫(kù)的創(chuàng)建、刪除和復(fù)制工作。NameNode是所有HDFS元數(shù)據(jù)的管理者，用戶數(shù)據(jù)永遠(yuǎn)不會(huì)經(jīng)過(guò)NameNode。

　　2 HDFS設(shè)計(jì)目標(biāo)

　　自動(dòng)快速檢測(cè)應(yīng)對(duì)硬件錯(cuò)誤

　　流式訪問(wèn)數(shù)據(jù)

　　移動(dòng)計(jì)算比移動(dòng)數(shù)據(jù)本身更劃算

　　簡(jiǎn)單一致性模型

　　異構(gòu)平臺(tái)可移植

　　移動(dòng)計(jì)算和移動(dòng)數(shù)據(jù)
在學(xué)習(xí)大數(shù)據(jù)的時(shí)候接觸了移動(dòng)數(shù)據(jù)和移動(dòng)計(jì)算這兩種聯(lián)系緊密而又有很大不同的概念，
其中移動(dòng)計(jì)算也叫做本地計(jì)算。在以前的數(shù)據(jù)處理中時(shí)使用的
移動(dòng)數(shù)據(jù)，其實(shí)就是將需要處理的數(shù)據(jù)傳輸?shù)酱娣挪煌幚頂?shù)據(jù)方式邏輯的各個(gè)節(jié)點(diǎn)上。這樣做的效率很低，特別
是大數(shù)據(jù)中的數(shù)據(jù)量是很大的，至少都是GB以上，更大的是TB、PB甚至更大，而且磁盤(pán)I/O、網(wǎng)絡(luò)I/O的效率是很
低的，這樣處理起來(lái)就需要很長(zhǎng)的時(shí)間，遠(yuǎn)遠(yuǎn)不能滿足我們的要求。而移動(dòng)計(jì)算就出現(xiàn)了。
移動(dòng)計(jì)算，也叫做本地計(jì)算，是數(shù)據(jù)就存放在節(jié)點(diǎn)上不再變動(dòng)，而是將處理邏輯程序傳輸?shù)礁鱾€(gè)數(shù)據(jù)節(jié)點(diǎn)上。由于
處理程序的大小肯定不會(huì)特別的大，這樣就可以實(shí)現(xiàn)很快將程序傳輸?shù)酱娣艛?shù)據(jù)的各個(gè)節(jié)點(diǎn)上去，然后本地執(zhí)行處
理數(shù)據(jù)，效率高?，F(xiàn)在的大數(shù)據(jù)處理技術(shù)都是采用這種方式。
HDFS模型例子:
班級(jí)中有這么多筆記本其實(shí)就可以組成一個(gè)集群是吧,然后隔壁班需要將文件存儲(chǔ)到筆記本中,一個(gè)一個(gè)進(jìn)來(lái)隨便找
一個(gè)筆記本存儲(chǔ),走了之后,過(guò)了一段時(shí)間,需要將文件取走,但是每一個(gè)人都不知道自己上傳到那個(gè)服務(wù)器上了,那么每
臺(tái)都需要找,,這樣一來(lái)操作的復(fù)雜度就高了,那么需要怎么改善這個(gè)問(wèn)題?
犧牲一下,我的筆記本不存數(shù)據(jù)了,專(zhuān)門(mén)記錄存儲(chǔ)的的過(guò)程(NameNode),第一個(gè)人進(jìn)來(lái)先找我,說(shuō)我要存儲(chǔ)文件,然后我
說(shuō)去第一臺(tái)電腦存吧,然后就去第一臺(tái)電腦存儲(chǔ)了,它在存儲(chǔ)文件的時(shí)候,上傳文件需要等幾分鐘,然后第二個(gè)人進(jìn)來(lái)了,
也要存文件,然后我說(shuō)你去第二臺(tái)電腦上存儲(chǔ),那么我與存儲(chǔ)人之間的交互信息量大嗎?不大,是吧我的主要作用就是告
訴對(duì)方去哪存儲(chǔ), 第一臺(tái)電腦在傳第二臺(tái)電腦也再傳,是不是同時(shí)在傳,那么這就相當(dāng)于負(fù)載了,那么他們?cè)谏蟼鞯臅r(shí)候
是獨(dú)立的資源,而不會(huì)去搶占資源.
問(wèn)題:什么時(shí)候記錄這個(gè)存儲(chǔ)記錄?
是在一開(kāi)始對(duì)話的時(shí)候我就記錄,還是在當(dāng)他傳完數(shù)據(jù)后記錄?
一定是傳完數(shù)據(jù)后記錄,這是為了數(shù)據(jù)的一致性
上傳成功后,是上傳人員告訴我上傳成功還是電腦給發(fā)送信息上傳成功
一定是電腦發(fā)送信息上傳成功,因?yàn)橹挥须娔X去認(rèn)了上傳成功了有文件有記錄就OK
是不是很簡(jiǎn)單,很輕松啊,要是早幾年聽(tīng)是不是HDFS就是你開(kāi)發(fā)的了 

　　HDFS的特點(diǎn)

　　優(yōu)點(diǎn)：

　　高可靠性：Hadoop按位存儲(chǔ)和處理數(shù)據(jù)的能力值得人們信賴;

　　高擴(kuò)展性：Hadoop是在可用的計(jì)算機(jī)集簇間分配數(shù)據(jù)并完成計(jì)算任務(wù)的，這些集簇可以方便地?cái)U(kuò)展到數(shù)以千計(jì)的節(jié)點(diǎn)中。

　　高效性：Hadoop能夠在節(jié)點(diǎn)之間動(dòng)態(tài)地移動(dòng)數(shù)據(jù)，并保證各個(gè)節(jié)點(diǎn)的動(dòng)態(tài)平衡，因此處理速度非常快。

　　高容錯(cuò)性：Hadoop能夠自動(dòng)保存數(shù)據(jù)的多個(gè)副本，并且能夠自動(dòng)將失敗的任務(wù)重新分配。

　　缺點(diǎn)：

　　不適合低延遲數(shù)據(jù)訪問(wèn)。

　　無(wú)法高效存儲(chǔ)大量小文件。

　　不支持多用戶寫(xiě)入及任意修改文件。

　　1.4 hdfs核心設(shè)計(jì)思想及作用

  • 分而治之：將大文件、大批量文件，分布式存放在大量服務(wù)器上，以便于采取分而治之的方式對(duì)海量數(shù)據(jù)進(jìn)行運(yùn)算分析；

  • 為各類(lèi)分布式運(yùn)算框架（如：mapreduce，spark，tez，……）提供數(shù)據(jù)存儲(chǔ)服務(wù)

  • hdfs更具體描述

 首先，它是一個(gè)文件系統(tǒng)，用于存儲(chǔ)文件，通過(guò)統(tǒng)一的命名空間——目錄樹(shù)來(lái)定位文件

 其次，它是分布式的，由很多服務(wù)器聯(lián)合起來(lái)實(shí)現(xiàn)其功能，集群中的服務(wù)器有各自的角色；

　　1.5 重要特性如下：

　　HDFS中的文件在物理上是分塊存儲(chǔ)（block），塊的大小可以通過(guò)配置參數(shù)( dfs.blocksize)來(lái)規(guī)定，默認(rèn)大小在hadoop2.x版本中是128M，老版本中是64M。

　　HDFS文件系統(tǒng)會(huì)給客戶端提供一個(gè)統(tǒng)一的抽象目錄樹(shù)，客戶端通過(guò)路徑來(lái)訪問(wèn)文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data。

　　目錄結(jié)構(gòu)及文件分塊信息(元數(shù)據(jù))的管理由namenode節(jié)點(diǎn)承擔(dān)——namenode是HDFS集群主節(jié)點(diǎn)，負(fù)責(zé)維護(hù)整個(gè)hdfs文件系統(tǒng)的目錄樹(shù)，以及每一個(gè)路徑（文件）所對(duì)應(yīng)的block塊信息（block的id，及所在的datanode服務(wù)器）。

　　文件的各個(gè)block的存儲(chǔ)管理由datanode節(jié)點(diǎn)承擔(dān)--- datanode是HDFS集群從節(jié)點(diǎn)，每一個(gè)block都可以在多個(gè)datanode上存儲(chǔ)多個(gè)副本（副本數(shù)量也可以通過(guò)參數(shù)設(shè)置dfs.replication）。

　　HDFS架構(gòu)組成

HDFS基本概念有哪些

NameNode（NN）

　　基于內(nèi)存存儲(chǔ) ：不會(huì)和磁盤(pán)發(fā)生交換只存在內(nèi)存中

　　這樣做的主要目的是為了快,但是內(nèi)存存儲(chǔ)的一個(gè)通病就是掉電易失

　　一旦斷電內(nèi)存中存儲(chǔ)的數(shù)據(jù)就什么都沒(méi)有了,所以就需要持久化了(有點(diǎn)打臉了因?yàn)槭切枰酱疟P(pán)中的存儲(chǔ))

　　NameNode持久化

　　NameNode的metadate信息在啟動(dòng)后會(huì)加載到內(nèi)存

　　存儲(chǔ)到磁盤(pán)中有兩種方法:

　　第一種:在某個(gè)時(shí)間點(diǎn)以類(lèi)似于”拍快照”的形式將數(shù)據(jù)信息存儲(chǔ)到磁盤(pán)中

　　metadata存儲(chǔ)到磁盤(pán)文件名為”fsimage”,Block的位置信息不會(huì)保存到fsimage

　　若是回復(fù),需要等待DataNode重新匯報(bào)信息Block每副本位置（由DataNode上報(bào)）

　　第二種:以日志的方式生成文件edit log記錄對(duì)metadata的操作日志

　　NameNode主要功能：

　　接受客戶端的讀寫(xiě)服務(wù),收集DataNode匯報(bào)的Block列表信息

　　NameNode保存metadata信息包括

　　文件所屬權(quán)和權(quán)限,文件大小，時(shí)間（Block列表：Block偏移量），位置信息

DataNode(DN)

　　DataNode是Block真正存儲(chǔ)的地方。DataNode的本地磁盤(pán)以文件形式存儲(chǔ)著B(niǎo)lock信息。同時(shí)還存儲(chǔ)著B(niǎo)lock的元數(shù)據(jù)信息文件。 

　　元數(shù)據(jù)主要存儲(chǔ)MD5值 用來(lái)進(jìn)行驗(yàn)證
HDFS在啟動(dòng)時(shí)，DataNode會(huì)向NameNode匯報(bào)block的信息。 
DataNode通過(guò)向NameNode發(fā)送心跳保持與其聯(lián)系（3秒一次），如果NameNode 10分鐘沒(méi)有收到DataNode的心跳，則認(rèn)為其已經(jīng)lost，并復(fù)制其上的block到其它DataNode。

SecondaryNameNode（SNN）

　　初看名字，你可能會(huì)以為SecondaryNameNode是NameNode的備份，實(shí)際上，SecondaryNameNode的主要作用并不是這個(gè)，當(dāng)然它也可以用來(lái)做備份。 
要了解SecondaryNameNode的作用，就不得不說(shuō)一下HDFS的啟動(dòng)過(guò)程。 
上面我們已經(jīng)提到了兩個(gè)文件fsimage和edits。fsimage是當(dāng)前HDFS系統(tǒng)的快照。edits記錄了對(duì)HDFS的各種操作日志。 

　　假設(shè):有一個(gè)集群跑了10年一點(diǎn)問(wèn)題都沒(méi)有,fsimage是十年前的一個(gè)點(diǎn),為了不影響性能,只記錄了一次,而edits一直在記錄日子,吧唧,服務(wù)器宕機(jī)了,重啟恢復(fù),

　　HDFS在啟動(dòng)的時(shí)候，根據(jù)fsimage和edit log日志可以得到系統(tǒng)當(dāng)前最新的狀態(tài)，并產(chǎn)生一個(gè)新的fsimage文件。這樣的啟動(dòng)時(shí)很耗時(shí)間的。尤其是當(dāng)edit log文件非常大的時(shí)候，合并會(huì)占用很多額外的時(shí)間。

以上是“HDFS基本概念有哪些”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道！

分享標(biāo)題：HDFS基本概念有哪些-創(chuàng)新互聯(lián)
地址分享：http://bm7419.com/article34/gogpe.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站排名、ChatGPT、品牌網(wǎng)站建設(shè)、電子商務(wù)、域名注冊(cè)、外貿(mào)建站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)

網(wǎng)站托管運(yùn)營(yíng)