HDFS：

为什么出现：一台机器不能存储下所有的数据

是什么：分布式存储文件系统

特点：高容错性（多备份）

      批处理（移动计算，而不是移动数据；数据暴露给计算框架）

  适合大数据处理（可也达到10K+节点）

  流式文件（一次写入，多次读取；不可修改原有文件）

  构建在廉价的机器上（多副本，高容错）

  提高了磁盘的利用率（如果不切片进行存储，那么当需要拉去数据时，只能从该节点拉去数据，那么此时该节点将会成网络瓶颈，导致网络流量激增。）

缺点：不适合低延迟的数据访问（牺牲了低延迟，保留了高吞吐）

      不适合小文件的存取（Master内存中存放了数据块存储位置的元信息，所以占用大量内存；寻道时间大于读取时间）

解决访问:把小文件合并成大文件

      不适合并发写入，不适合文件随机修改，只支持追加操作

实现原理：

Hdfs回将数据先进行切片处理，比如说把50GB的数据切成 每块64MB的数据块，然后在多副本的形式存储在多个节点上。然后有两张表（元数据信息），分别时：1、存储被切分的数据由哪几个块组成  2、每个块存储在哪个节点上

这么做，解决了集群的负载均衡，以及解决了网络瓶颈。

Hdfs架构：

Master和slave架构：

Master就是namenode用来存放元数据信息的。负责处理数据的读写请求。

Slave就是datanode存储实际的数据，负责数据读写操作，每个datanonde回定时的向Namenode汇报心跳。

Client访问namenode的时候，告诉namenode我要进行数据存储了，那么此时namenode会告诉client写到哪几个datanode上。Client负责数据的切割。

Namenode存在单点故障问题，所以此时就存在了namenode backup这个东西。

Secondarynamenode 时1.0出现的。而standbynamenode在2.0的时候出现的热备份。

Standbynamenode定期合并fsimage(文件系统的镜像文集那)和fsedits(文件系统的操作日志),推送给namenode。

Hdfs默认三个备份，默认数据块64MB；两个数据都时可配置的。

Hdfs写流程：

Client需要进行写数据的时候，回创建一个DistributedFileSystem询问namenode我现在要写的文件是否存在，不存在则返回给client允许写。此时，client就回告诉FSDataOutputStream，要写数据了，那么在写数据之前，会向namenonde索要三个datanode的位置信息，FSDataOutputStream会将文件以更小的单元pack大小的形式传输给第一个datanode，第一个datanode接受到数据之后，会紧接着把数据传输给第二个datanode，然后第一个datanode会向client索要第二个pack数据，于此同时，第二个datanode会将数据传给第三个（具体过程同第一个datanode）。当所有的block都写完后，client会通知namenode自己写完数据，然后namenode就会进行元数据的记录。

Hdfs读流程：

Client通过namenode获取了所需要的文件有哪几个block，分别这些block又在哪几个datanode。获取到这些信息，然后client就去相应的datanode获取block

Hdfs块副本放置策略：

副本1:同client存放在同一个机架上面

副本2:不同与client的其他机架

副本3:与副本2相同的机架上的另一个节点

其他副本随机选择

Hdfs可靠性策略：

文件损坏：当读取文件之前对CRC32校验码进行校验，如果校验失败，则认为该副本失败，从其他副本读取。

网络或者机器挂了：通过datanode定时发送的心跳来判断，当namenode发现datanode挂了，就会把对应datanode上的数据在其他datanode上进行重构。

Namenode挂了：元信息会定期刷新到磁盘上。备用namenode 。Fsimage和fsedit整合。

最后

以上就是无语耳机为你收集整理的HDFS原理篇HDFS：实现原理：Hdfs架构：Hdfs写流程：Hdfs读流程：Hdfs块副本放置策略：Hdfs可靠性策略：的全部内容，希望文章能够帮你解决HDFS原理篇HDFS：实现原理：Hdfs架构：Hdfs写流程：Hdfs读流程：Hdfs块副本放置策略：Hdfs可靠性策略：所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。