分布式文件系统之DFS复制、命名空间和NameNode

什么是分布式文件系统？

百度百科:

分布式文件系统（Distributed File System）是指文件系统管理的物理存储资源不一定直接连接在本地节点上，而是通过计算机网络与节点(可简单的理解为一台计算机)相连。分布式文件系统的设计基于客户机/服务器模式。一个典型的网络可能包括多个供多用户访问的服务器。另外，对等特性允许一些系统扮演客户机和服务器的双重角色。

意思就是，原本存在本地的资源现在通过计算机网络可以存在其他的计算机上。也不用管这文件到底被存在哪个节点了，反正当你需要它的时候，它就在那里。

主流分布式文件系统：① GFS: Google File System for Google's MapReduce;

② HDFS: Hadoop Distributed File System for Hadoop;

那分布式文件系统是咋工作的呢？

技术一：DFS复制

文件数据依据二进制被拆分进计算机网络中的 blocks
block size是固定的，通常为128M；且，存满一个block 1 (128M)，才会存下一个block 2 (128M)，以此类推
每一个block是重复存在(通常重复3次)于计算机网络中的不同计算机(DataNode)，以支持容错

举个栗子：假设，计算机网络里有3个节点。一个200M的文件，会先被拆分进block 1(128M), block 2(72M)。然后每个block被复制3遍，我们得到6个blocks: block 1-1，block 1-2，block 1-3，block 2-1，block 2-2，block 2-3。接下来这6个blocks会被放进3个节点中，比如节点1分到 block 1-1，block 2-2；节点2分到block 1-3，block 2-1；节点3分到block 1-2，block 2-3。这种情况下，如果节点1的block 1-1出现failure, 用户还是可以访问到block 1-3和block 1-2。

技术二：DFS命名空间

通过上文我们知道了，一个文件通过DFS复制技术会拆分进多个且有重复性的blocks。但是咱本意只是想访问这个文件，如果还得要关心哪个block在哪个节点，怎么分的，那可就太累了。所以，为了跳过这些不重要的细节，只呈现出统一的集中的一个文件视图给用户，命名空间由此而生。

那命名空间是怎么工作的呢？ -----> 将文件有逻辑的存储于文件系统树的不同层级中

扫描二维码关注公众号，回复： 11084852 查看本文章

DFS命名空间的管理者是NameNode，维护着文件系统树及整棵树内所有的文件和目录。

又出现新概念了，NameNode又是什么？

以HDFS为例，HDFS集群包含两类节点：NameNode(管理者头头) 和 DataNode(工作者)。管理者只能有一个，但是工作者可以有好多个。NameNode主要负责就是负责管理HDFS，比如上文提到的命名空间，还有管理block。而DataNode主要就是一个听NameNode命令来存储文件的‘工具Node’，在一个文件被分割成多个block之后，就会被存储在这些‘工具Node’上。

就是，当用户来读文件啦，然后这个文件被分割成blocks啦，然后被DataNode们存储啦，然后NameNode跟客户端说 “诺，这个block在这个DataNode，那个block在那个DataNode”，然后客户端就去找这些DataNode啦，然后文件就被读取啦。

如果，当用户来写入文件啦，然后客户端来找NameNode说要写文件啦，然后NameNode就在命名空间里创建新文件啦，然后拿着顺序单跟客户端说 “诺，这个block要写进这个DataNode，那个block要写进那个DataNode"，然后客户端就去找第一个DataNode啦，然后DataNode们就按顺序一个一个写入啦，然后一个传一个最后告诉客户端“我写好啦”，所以文件就被写好啦。