Hadoop中分布式文件系统HDFS的设计思想和功能深入剖析

本节和大家学习一下Hadoop的分布式文件系统HDFS，主要包括HDFS的设计思想，还有HDFS的一些相关功能介绍，希望通过本节的介绍大家对HDFS有一定的认识。

Hadoop的分布式文件系统HDFS的设计思想：
构建一个非常庞大的分布式文件系统。在集群中节点失效是正常的，节点的数量在Hadoop中不是固定的.单一的文件命名空间，保证数据的一致性，写入一次多次读取.典型的64MB的数据块大小，每一个数据块在多个DN(DataNode)有复制.客户端通过NN(NameNode)得到数据块的位置，直接访问DN获取数据。

NameNode功能：

Hadoop的分布式文件系统HDFS中的NameNode功能。映射一个文件到一批的块，映射数据块到DN节点上。集群配置管理，数据块的管理和复制。处理事务日志：记录文件生成，删除等。因为NameNode的全部的元数据在内存中存储，所以NN的内存大小决定整个集群的存储量。NN内存中保存的数据：

文件列表
每一个文件的块列表
每一个DN中块的列表
文件属性：生成时间,复制参数,文件许可(ACL)

File,Derectory,Block在内存中的大小（HadoopJIRA页面）:
File:122+fileName.length
Directory:152+fileName.length
Block:112+24*replication
备注:上面数据和jira中不一样是因为在0.16以上的版本在INode中添加了一个8字节的数据类型为long的permission数据。
NN的复制线程负责根据文件复制数量选择DN，磁盘的使用负载平衡，DN复制时的IPC通信负载平衡。

SecondaryNamenode的功能:

SecondaryNamenode是一个让人混淆的名字，其实SecondaryNamenode是一个辅助NN处理FsImage和事务日志的Server，它从NN拷贝FsImage和事务日志到临时目录，合并FsImage和事务日志生成一个新的FsImage，上传新的FsImage到NN上，NN更新FsImage并清理原来的事务日志。

DataNode功能：

在本地文件系统存储数据块，存储数据块的元数据，用于CRC校验。响应客户端对数据块和元数据的请求。周期性的向NN报告这个DN存储的所有数据块信息。客户端要存储数据时从NN获取存储数据块的DN位置列表，客户端发送数据块到第一个DN上，第一个DN收到数据通过管道流的方式把数据块发送到另外的DN上。当数据块被所有的节点写入后，客户端继续发送下一个数据块。DN每3秒钟发送一个心跳到NN，如果NN没有受到心跳在重新尝试后宣告这个DN失效。当NN察觉到DN节点失效了,选择一个新的节点复制丢失的数据块。我们再来看一下Hadoop的分布式文件系统HDFS中数据块的问题。

数据块的放置位置和数据正确性：

在典型的配置里，数据块一个放在当前的节点，一个放在远程的机架上的一个节点，一个放在相同机架上的一个节点，多于3个的数据块随意选择放置。客户端选择最近的一个节点读取数据。Hadoop使用CRC32效验数据的正确性，客户端每512个byte计算一次效验，DN负责存储效验数据。客户端从DN获取数据和效验数据，如果效验出错，客户端尝试另外节点上复制的数据。