1.Hadoop组成
Hadoop主要由三大模块组成：
1.1 HDFS
存储模块
-
分布式文件存储系统
-
提供了高可靠性、高扩展性和高吞吐率的数据存储服务
-
hdfs典型结构：物理结构+逻辑结构
1.2. YARN
资源调配模块（引擎）（分布式资源管理框架）
- 负责集群资源的管理和调度
1.3. MapReduce
计算引擎
-
分布式计算框架（计算向数据移动–>移动计算而非移动数据）
-
具有易于编程、高容错性和高扩展性的优点
2.HDFS存储模型
-
文件线性切割成Block：偏移量（offset）
-
Block分散存储在集群节点中
-
单一文件Block大小一致，文件与文件可以不一致
-
Block可以设置副本数，副本分散在不同的节点中
-
副本数不要超过节点数量
-
文件上传可以设置Block大小和副本数
-
已上传的文件Block副本数可以调整，大小不变
-
只支持一次写入多次读取，同一时刻只有一个写入者
-
只能追加，不能修改
3.HDFS架构模型
-
文件的元数据（metadata）和文件数据是分开存储
-
（主）NameNode存储文件元数据，单节点（posix）
-
（从）DataNode存储文件数据
-
DataNode与NameNode保持心跳，由dataNode提交Block列表
-
HdfsClient（用户）与NameNode交互元数据信息
-
HdfsClient（用户）与DataNode交互文件数据信息
-
4.NameNode
4.1 基于内存存储
-
只存在内存中（除了初始化和持久化的时候跟硬盘打交道，其余时候全部在内存中操作）
-
持久化操作（假设内存只有1G，现在数据有1.2G，则需要做持久化）
-
不存储Block位置信息（由DataNode上报给NameNode）-不存储到fsimage中
-
NameNOde的metadata信息在启动后加载到内存
-
Metadata信息存储到fsimage文件中
-
edits记录对metadata的操作日志（类似redis）
4.2 NameNode主要功能
接受客户端的读写要求
收集DataNode汇报的Block列表信息
4.3 NameNode保存Metadata主要信息
文件Owership和pemissions
文件大小和时间
Block列表（offset等）
Block每个副本的位置（由DataNode上报）
- DataNode
本地磁盘目录存储数据（Block），文件形式
同时存储Block的元数据信息
启动datanode时，会向namenode汇报block信息
通过向NameNode发送心跳信息保持与其联系（每3秒一次），如果NameNode 10分钟没有收到DataNode的心跳，则认为其已经lost，则将其block信息copy到其他DataNode上
6.HDFS优点
高容错性
-
数据自动保存多个副本
-
副本丢失后，自动恢复
适合批处理
-
移动计算非数据（把计算的逻辑在有数据的地方进行计算）
-
数据位置暴露给计算框架
适合大数据处理
-
GB TB 甚至PB级数据
-
百万规模以上的
可构建在廉价的机器上
7.HDFS缺点
无法进行低延迟数据访问
-
比如毫秒级
-
低延迟与高吞吐率
小文件存取
-
占用NameNode大量内存
-
寻道时间超过读取时间
并发写入、文件随机修改
-
一个文件只能有一个写者
-
仅支持append
8.Block副本的放置策略
第一个副本：放置在上传文件的datanode上，如果是集群外提交，则随机挑选一台磁盘不太满，cpu不太忙的节点
第二个副本：放置在第一个副本不同的机架的节点上
第三个副本：与第二个副本相同的机架的节点
更多副本：随机节点
11.总结
HDFS就是一个分余展的大硬盘：分–分块 余–可以冗余，展–动态扩展
云计算：分布式计算，分布在不懂服务器中的计算
设计原则：移动计算，而不是移动数据
在生产环境中，nameNode和resourceManager一般情况是在不同机器上，而nodeManageer和datanode一般情况是在同一台机器上（至少离得近）