一、HDFS架构整体概述
- HDFS是Hadoop Distribute File System 的简称，意为：Hadoop分布式文件系统。
- HDFS是Hadoop核心组件之一，作为大数据生态圈最底层的分布式存储服务而存在。
- HDFS解决的问题就是大数据如何存储,它是横跨在多台计算机上的文件存储系统并且具有高度的容错能力。
二、HDFS架构图
- HDFS集群遵循主从架构（master/slave）。通常包括一个主节点和多个从节点。
- 在内部，文件分块存储，每个块根据复制因子存储在不同的从节点计算机上形成备份。
- 主节点存储和管理文件系统namespace，即有关文件块的信息，例如块位置，权限等；从节点存储文件的数据块。
- 主从各司其职，互相配合，共同对外提供分布式文件存储服务。当然内部细节对于用户来说是透明的。
三、HDFS集群角色介绍
- HDFS遵循主从架构。
- NameNode是主节点，负责存储和管理文件系统元数据信息，包括namespace目录结构、文件块位置信息等；
- DataNode是从节点，负责存储文件具体的数据块。
- 两种角色各司其职，共同协调完成分布式的文件存储服务。
- SecondaryNameNode是主角色的辅助角色，帮助主角色进行元数据的合并。
3.1 主角色namenode
- NameNode是Hadoop分布式文件系统的核心，架构中的主角色。
- NameNode维护和管理文件系统元数据，包括名称空间目录树结构、文件和块的位置信息、访问权限等信息。
- 基于此，NameNode成为了访问HDFS的唯一入口。
- NameNode内部通过内存和磁盘文件两种方式管理元数据。
- 其中磁盘上的元数据文件包括Fsimage内存元数据镜像文件和edits log（Journal）编辑日志。
- 在Hadoop2之前，NameNode是单点故障。Hadoop 2中引入的高可用性。Hadoop群集体系结构允许在群集中以热备配置运行两个或多个NameNode。
3.2 从角色datanode
- DataNode是Hadoop HDFS中的从角色，负责具体的数据块存储。
- DataNode的数量决定了HDFS集群的整体数据存储能力。通过和NameNode配合维护着数据块。
3.3 主角色辅助角色： secondarynamenode
- 除了DataNode和NameNode之外，还有另一个守护进程，它称为secondary NameNode。充当NameNode的辅助节点，但不能替代NameNode。
- 当NameNode启动时，NameNode合并Fsimage和edits log文件以还原当前文件系统名称空间。如果edits log过大不利于加载，Secondary NameNode就辅助NameNode从NameNode下载Fsimage文件和edits log文件进行合并。
四、HDFS重要特性
4.1 主从架构
- HDFS采用master/slave架构。一般一个HDFS集群是有一个Namenode和一定数目的Datanode组成。
- Namenode是HDFS主节点，Datanode是HDFS从节点，两种角色各司其职，共同协调完成分布式的文件存储服务。
4.2 分块存储机制
HDFS中的文件在物理上是分块存储（block）的，块的大小可以通过配置参数来规定，参数位于hdfs-default.xml中：dfs.blocksize。默认大小是128M（134217728）。
4.3 副本机制
- 文件的所有block都会有副本。每个文件的block大小（dfs.blocksize）和副本系数（dfs.replication）都是可配置的。副本系数可以在文件创建的时候指定，也可以在之后通过命令改变。
- 默认dfs.replication的值是3，也就是会额外再复制2份，连同本身总共3份副本。
4.4 namespace
- HDFS支持传统的层次型文件组织结构。用户可以创建目录，然后将文件保存在这些目录里。文件系统名字空间的层次结构和大多数现有的文件系统类似：用户可以创建、删除、移动或重命名文件。
- Namenode负责维护文件系统的namespace名称空间，任何对文件系统名称空间或属性的修改都将被Namenode记录下来。
- HDFS会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data。
4.5 元数据管理
在HDFS中，Namenode管理的元数据具有两种类型：
- 文件自身属性信息：文件名称、权限，修改时间，文件大小，复制因子，数据块大小。
- 文件块位置映射信息：记录文件块和DataNode之间的映射信息，即哪个块位于哪个节点上。
4.6 数据块存储
文件的各个block的具体存储管理由DataNode节点承担。每一个block都可以在多个DataNode上存储。
