目錄

1.分布式文件系統

1.1 計算機集群概念

Hadoop的分布式文件存儲，使得文件的存儲不在依賴于計算機性能，普通的計算機也可以組件集群。

1.2 分布式文件系統結構

2.HDFS簡介

2.1 HDFS設計的目標

• 兼容廉價的硬件設備
• 流數據的讀寫
• 大數據集的存儲于管理
• 簡單的文件模型
• 強大的跨平臺性能

2.2HDFS的局限性

• 不適合低延遲的數據訪問（HBASE支持實時訪問）
• 無法高效的存儲大量的小文件（nameNode節點的存儲有限，如果小文件過多，元數據就多）
• 不支持多用戶寫入及任意修改

2.3 塊的概念

2.4 HDFS主要組件及其功能

2.4.1 名稱節點

2.4.2 第二名稱節點

2.4.3 數據節點

• 數據節點是分布式文件系統HDFS的工作節點，負責數據的存儲和讀取，會根據客戶端或者是名稱節點的調度來進行數據的存儲和檢索，并且向名稱節點定期發送自己所存儲的塊的列表
• 每個數據節點中的數據會被保存在各自節點的本地Linux文件系統中

3.HDFS體系結構

3.1 HDFS體系結構介紹

• HDFS的命名空間包含目錄、文件和塊
• 在HDFS1.0體系結構中，在整個HDFS集群中只有一個命名空間，并且只有唯一一個名稱節點，該節點負責對這個命名空間進行管理
• HDFS使用的是傳統的分級文件體系，因此，用戶可以像使用普通文件系統一樣，創建、刪除目錄和文件，在目錄間轉移文件，重命名文件等
  
  

3.2 HDFS體系結構的局限性

4.HDFS存儲原理

4.1 冗余數據保存

4.2 數據存取策略

4.3 數據錯誤和恢復

HDFS具有較高的容錯性，可以兼容廉價的硬件，它把硬件出錯看作一種常態，而不是異常，并設計了相應的機制檢測數據錯誤和進行自動恢復，主要包括以下幾種情形：名稱節點出錯、數據節點出錯和數據出錯。

4.3.1 名稱節點出錯

• 名稱節點保存了所有的元數據信息，其中，最核心的兩大數據結構是FsImage和Editlog，如果這兩個文件發生損壞，那么整個HDFS實例將失效。因此，HDFS設置了備份機制，把這些核心文件同步復制到備份服務器SecondaryNameNode上。當名稱節點出錯時，就可以根據備份服務器SecondaryNameNode中的FsImage和Editlog數據進行恢復。

4.3.2 數據節點出錯

4.3.3 數據出錯

• 網絡傳輸和磁盤錯誤等因素，都會造成數據錯誤
• 如何判斷數據出錯：HDFS在創建每個文件的時候，都默認給出了一個校驗碼，在讀取文件的時候，會比對校驗碼，如果校驗碼沒有錯，則數據沒有出錯。
• 在文件被創建時，客戶端就會對每一個文件塊進行信息摘錄，并把這些信息寫入到同一個路徑的隱藏文件里面
• 當客戶端讀取文件的時候，會先讀取該信息文件，然后，利用該信息文件對每個讀取的數據塊進行校驗，如果校驗出錯，客戶端就會請求到另外一個數據節點讀取該文件塊，并且向名稱節點報告這個文件塊有錯誤，名稱節點會定期檢查并且重新復制這個塊

5.HDFS數據讀寫過程

HDFS支持兩種方式的交互，我們可以自由的選擇shell和java的方式。

5.1 數據讀取過程

5.2 數據存儲過程

5.3 讀寫介紹

5.3.1 讀數據過程

5.3.2 寫數據過程

6.HDFS編程實踐

參考鏈接：http://dblab.xmu.edu.cn/blog/290-2/

6.1 HDFS常用命令

• hadoop fs -ls :顯示指定的文件的詳細信息
• hadoop fs -mkdir :創建指定的文件夾
• hadoop fs -cat :將指定的文件的內容輸出到標準輸出（stdout）
• hadoop fs -copyFromLocal :將本地源文件復制到路徑指定的文件或文件夾中

6.2 HDFS的web界面