## 簡介 Hadoop Distributed File System，分布式文件系統 ## 架構  * **Block數據塊** 1. 基本存儲單位，一般大小為64M（配置大的塊主要是因為：1）減少搜尋時間，一般硬盤傳輸速率比尋道時間要快，大的塊可以減少尋道時間；2）減少管理塊的數據開銷，每個塊都需要在NameNode上有對應的記錄；3）對數據塊進行讀寫，減少建立網絡的連接成本） 2. 一個大文件會被拆分成一個個的塊，然后存儲于不同的機器。如果一個文件少于Block大小，那么實際占用的空間為其文件的大小 3. 基本的讀寫單位，類似于磁盤的頁，每次都是讀寫一個塊 4. 每個塊都會被復制到多臺機器，默認復制3份 * **NameNode** 1. 存儲文件的metadata，運行時所有數據都保存到內存，整個HDFS可存儲的文件數受限于NameNode的內存大小 2. 一個Block在NameNode中對應一條記錄（一般一個block占用150字節），如果是大量的小文件，會消耗大量內存。同時map task的數量是由splits來決定的，所以用MapReduce處理大量的小文件時，就會產生過多的map task，線程管理開銷將會增加作業時間。處理大量小文件的速度遠遠小于處理同等大小的大文件的速度。因此Hadoop建議存儲大文件 3. 數據會定時保存到本地磁盤，但不保存block的位置信息，而是由DataNode注冊時上報和運行時維護（NameNode中與DataNode相關的信息并不保存到NameNode的文件系統中，而是NameNode每次重啟后，動態重建） 4. NameNode失效則整個HDFS都失效了，所以要保證NameNode的可用性 * **Secondary NameNode** 1. 定時與NameNode進行同步（定期合并文件系統鏡像和編輯日志，然后把合并后的傳給NameNode，替換其鏡像，并清空編輯日志，類似于CheckPoint機制），但NameNode失效后仍需要手工將其設置成主機 * **DataNode** 1. 保存具體的block數據 2. 負責數據的讀寫操作和復制操作 3. DataNode啟動時會向NameNode報告當前存儲的數據塊信息，后續也會定時報告修改信息 4. DataNode之間會進行通信，復制數據塊，保證數據的冗余性