Hadoop HDFS概述

Hadoop文件系统是使用分布式文件系统设计开发的。它运行在商用硬件上。与其他分布式系统不同，HDFS是高度容错的，并且使用低成本硬件设计。

HDFS拥有大量的数据并提供更容易的访问。为了存储这样巨大的数据，文件存储在多个机器。这些文件以冗余方式存储，以在发生故障时避免系统可能的数据丢失。 HDFS还使应用程序可用于并行处理。

HDFS的特点

• 它适用于在分布式存储和处理。
• Hadoop提供了一个与HDFS交互的命令接口。
• namenode和datanode的内置服务器帮助用户轻松检查集群的状态。
• 流式访问文件系统数据。
• HDFS提供文件权限和身份验证。

HDFS架构

下面给出了Hadoop文件系统的体系结构。

HDFS遵循主从架构，并具有以下元素。

Namenode

namenode是包含GNU / Linux操作系统和namenode软件的商用硬件。它是一个可以在商用硬件上运行的软件。具有namenode的系统充当主服务器，它执行以下任务：

• 管理文件系统命名空间。
• 调整客户端对文件的访问。
• 它还执行文件系统操作，例如重命名，关闭和打开文件和目录。

Datanode

datanode是具有GNU / Linux操作系统和datanode软件的商用硬件。对于集群中的每个节点（商品硬件/系统），都会有一个datanode。这些节点管理其系统的数据存储。

• Datanodes根据客户端请求对文件系统执行读写操作。
• 它们还根据namenode的指令执行诸如块创建，删除和复制的操作。

Block

一般用户数据存储在HDFS的文件中。文件系统中的文件将被分成一个或多个段和/或存储在各个数据节点中。这些文件段称为块。换句话说，HDFS可以读取或写入的最小数据量称为块。默认块大小为64MB，但可以根据需要更改HDFS配置来增加。

HDFS的目的

• 故障检测和恢复 ：由于HDFS包括大量的商品硬件，组件的故障频繁。因此，HDFS应该具有快速和自动故障检测和恢复的机制。

• 巨大的数据集 ：HDFS应该每个集群有数百个节点来管理具有巨大数据集的应用程序。

• 硬件数据 ：当在数据附近进行计算时，可以有效地完成所请求的任务。特别是在涉及巨大数据集的情况下，它减少了网络流量并增加了吞吐量。