目录
- 一、介绍
- 二、HDFS设计原理
-
- [2.1 HDFS 架构](#2.1 HDFS 架构)
- [2.2 数据复制](#2.2 数据复制)
- 三、HDFS的特点
- 四、图解HDFS存储原理
-
- [1. 写过程](#1. 写过程)
- [2. 读过程](#2. 读过程)
- [3. HDFS故障类型和其检测方法](#3. HDFS故障类型和其检测方法)
-
- 故障类型和其检测方法
- 读写故障的处理
- [DataNode 故障处理](#DataNode 故障处理)
- 副本布局策略
一、介绍
HDFS （Hadoop Distributed File System）是 Hadoop 下的分布式文件系统，具有高容错、高吞吐量等特性，可以部署在低成本的硬件上。
二、HDFS设计原理
2.1 HDFS 架构
HDFS 遵循主/从架构，由单个 NameNode(NN) 和多个 DataNode(DN) 组成：
- NameNode : 文件系统的管理节点，维护整个系统的元数据，包括文件目录树、文件/目录信息，以及每个文件对应的block列表等
- DataNode：文件系统的数据节点，提供真实文件数据的存储服务。
注：
- HDFS在存储时，以block的形式存储数据，默认大小为128M（2.x和3.x版本）
- 如果文件超过128M，就会被切分为多个block存储
- 如果文件不足128M，则只产生一个block（只占用实际大小的磁盘空间）
2.2 数据复制
为了保证容错性，HDFS 提供了数据复制机制。HDFS 将每一个文件存储为一系列block，每个块由多个副本来保证容错，块的大小和复制因子可以自行配置（默认情况下，块大小是 128M，默认复制因子是 3）
复制的实现原理
大型的 HDFS 实例在通常分布在多个机架的多台服务器上。在大多数情况下，同一机架中 的服务器间的网络带宽大于不同机架中的服务器之间的带宽。因此 HDFS 采用机架感知副本放置策略，对于常见情况，当复制因子为 3 时，HDFS 的放置策略是：
- 在写入程序位于 datanode 上时，就优先将写入文件的一个副本放置在该 datanode 上，否则放在随机 datanode 上
- 之后在另一个远程机架上的任意一个节点上放置另一个副本
- 并在该机架上的另一个节点上放置最后一个副本
此策略可以减少机架间的写入流量，从而提高写入性能。
注意：同一个 dataNode 上不允许有同一个块的多个副本
三、HDFS的特点
- 优点
- 通透性：即使有通过网络访问文件的操作，但在程序和用户看来就像是在访问本地磁盘
- 高容错：多副本保证即使部分硬件损坏也不会导致全部数据的丢失
- 性价比高：可以运行在大量的廉价机器上，节约成本
- 缺点
- 不适合低延时数据访问：数据延时无法支持"毫秒"级别的数据存储
- 不适合小文件存储：主节点的内存是有限的，不论大小文件都会在主节点中保存元信息，存储大量小文件没有意义，违背HDFS的设计理念
- 不支持文件并发写入和随机修改：一个文件同时只能有一个线程执行写操作。只支持文件追加，不支持数据的随机访问和修改
四、图解HDFS存储原理
以下图片引用自博客：翻译经典 HDFS 原理讲解漫画
1. 写过程
2. 读过程
3. HDFS故障类型和其检测方法
故障类型和其检测方法
读写故障的处理
DataNode 故障处理
副本布局策略
