Hadoop HDFS 概述
Hadoop文件系统是使用分布式文件系统设计开发的。它在商品硬件上运行。与其他分布式系统不同，HDFS 具有高度容错性，并且使用低成本硬件进行设计。
HDFS 拥有非常大量的数据并提供更容易的访问。为了存储如此庞大的数据，文件存储在多台机器上。这些文件以冗余方式存储，以在发生故障时使系统免受可能的数据丢失。 HDFS 还使应用程序可用于并行处理。
HDFS的特点
- 适用于分布式存储和处理。
- Hadoop 提供了与 HDFS 交互的命令接口。
- namenode和datanode的内置服务器帮助用户轻松查看集群状态。
- 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
下面给出的是 Hadoop 文件系统的架构。
HDFS遵循主从架构，它具有以下元素。
Namenode
namenode 是包含 GNU/Linux 操作系统和 namenode 软件的商品硬件。它是一种可以在商品硬件上运行的软件。拥有namenode的系统作为主服务器，它执行以下任务：
-
管理文件系统命名空间。
-
规范客户对文件的访问。
-
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 软件的商品硬件。对于集群中的每个节点(商品硬件/系统)，都会有一个数据节点。这些节点管理其系统的数据存储。
-
Datanodes 根据客户端请求在文件系统上执行读写操作。
-
它们还根据namenode的指令执行块创建、删除和复制等操作。
Block
通常用户数据存储在 HDFS 的文件中。文件系统中的文件将被分成一个或多个段和/或存储在单独的数据节点中。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 Block。默认块大小为 64MB，但可以根据需要更改 HDFS 配置来增加。
HDFS 的目标
故障检测和恢复 ： 由于 HDFS 包含大量的商品硬件，因此组件的故障经常发生。因此，HDFS 应该具有快速、自动的故障检测和恢复机制。
庞大的数据集 ： HDFS每个集群应该有数百个节点来管理拥有庞大数据集的应用程序。
数据硬件 ：当计算发生在数据附近时，可以有效地完成请求的任务。特别是在涉及大量数据集的情况下，它减少了网络流量并增加了吞吐量。