随着数据量越来越大,在一个操作系统存不下所有的数据,那么就分配到更多的操作系统管理的磁盘中,但是不方便管理和维护,迫切需要一种系统来管理多台机器上的文件,这就是分布式文件管理系统。HDFS只是分布式文件管理系统中的一种。
HDFS(Hadoop Distributed File System),它是一个文件系统,用于存储文件,通过目录树来定位文件;其次,它是分布式的,由很多服务器联合起来实现其功能,集群中的服务器有各自的角色。 HDFS的使用场景:适合一次写入,多次读出的场景,且不支持文件的修改。适合用来做数据分析,并不适合用来做网盘应用。
1.NameNode(nn)
:就是Master,它是一个主管、管理者
(1)管理HDFS的名称空间;
(2)配置副本策略;
(3)管理数据块(Block)映射信息;
(4)处理客户端读写请求。
2.DataNode(dn)
:就是Slave。NameNode下达命令,DataNode执行实际的操作
(1)存储实际的数据块;
(2)执行数据块的读/写操作。
(2)某一个副本丢失以后,它可以自动恢复。
2.适合处理大数据 (1)数据规模:能够处理数据规模达到GB、TB、甚至PB级别的数据。 (2)文件规模:能够处理百万规模以上的文件数量,数量相当之大。
3.可构建在廉价机器上,通过多副本机制,提高可靠性。
block
为基本单位存储!
①没有提供对文件的在线寻址(打开)功能
②文件以块形式存储,修改了一个块中的内容,就会影响当前块之后所有的块,效率低