Hadoop HDFS 体系结构

HDFS(Hadoop Distributed File System) Hadoop分布式文件系统，Hadoop体系底层的数据存储组件;最开始是作为Apache Nutch web搜索引擎项目的基础架构而开发,HDFS是Apache Hadoop Core项目的一部分,HDFS具有高容错，高吞吐，易扩展，高可靠等特征。 设计思想： 分而治之，将大文件、大批量文件，分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析； 项目URL: http://hadoop.apache.org/。

HDFS是一个标准的主从(Master/Slave)体系结构的分布式系统；HDFS集群包含一个或多个NameNode(NameNode HA会有多个NameNode) 和 多个DataNode(根据节点情况规划),用户可以通过HDFS客户端同NameNode 和 DataNode进行交互以访问文件系统。 HDFS公开文件系统名称空间，并允许将用户数据存储在文件中。在内部，一个文件被分成一个或多个块，这些块存储在一组datanode中。NameNode执行文件系统名称空间操作，如打开、关闭和重命名文件和目录。它还确定块到datanode的映射。datanode负责处理来自文件系统客户机的读和写请求。datanode还根据来自NameNode的指令执行块创建、删除和复制(体系结构如下图所示)。

1.NameNode 注：Secondary NameNode hadoop1.x的版本 了解就好 负责客户端请求的响应 元数据的管理（查询，修改） namenode是HDFS集群主节点，负责维护整个hdfs文件系统的目录树，以及每一个路径（文件）所对应的block块信息（block的id，及所在的datanode服务器）

2.JournalNode NameNode之间共享数据(主要体现在 NameNode配置 HA)

3.DataNode 存储管理用户的文件块数据 定期向namenode汇报自身所持有的block信息（通过心跳信息上报）

4.Data Blocks HDFS中的文件在物理上是分块存储（block），块的大小可以通过配置参数( dfs.blocksize)来规定，默认大小在hadoop2.x版本中是128M，老版本中是64M

5.Data Replication 每一个block都可以在多个datanode上存储多个副本（副本数量也可以通过参数设置dfs.replication，默认是3）

6.HDFS通信协议 HDFS作为分布式文件系统,涉及到数据节点，名称节点和客户端三者之间的配合，相互调用才能实现。为了降低节点间代码的耦合性，提高单个节点的内聚性，HDFS将这些节点间的调用抽象成不同的接口。 Hadoop RPC接口：HDFS中基于Hadoop RPC框架实现的接口。 流式接口：HDFS中基于TCP或 HTTP实现的接口。

1.读数据流程 客户端将要读取的文件路径发送给namenode，namenode获取文件的元信息（主要是block的存放位置信息）返回给客户端，客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件

2.写数据流程 客户端要向HDFS写数据，首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode，然后，客户端按顺序将文件逐个block传递给相应datanode，并由接收到block的datanode负责向其他datanode复制block的副本

注：常见客户端命令