介绍
HDFS（Hadoop 分布式文件系统）是Apache Hadoop 项目的重要组成部分。Hadoop 是一个软件生态系统，可协同工作以帮助你管理大数据。Hadoop 的两个主要元素是：
- MapReduce——负责执行任务
- HDFS——负责维护数据
什么是HDFS？在本文中，我们将讨论两个模块中的第二个。你将了解 HDFS 是什么、它是如何工作的以及基本的 HDFS 术语。
注意：如果你运行的是 Ubuntu 系统并且想要设置 Hadoop，请参阅如何在 Ubuntu 上安装 Hadoop。
Hadoop分布式文件系统指南：什么是 HDFS？
Hadoop分布式文件系统是一种运行在商用硬件上的容错数据存储文件系统。它旨在克服传统数据库无法克服的挑战。因此，只有在处理大数据时才能充分发挥其潜力。
Hadoop 文件系统必须解决的主要问题是速度、成本和可靠性。
HDFS有什么好处？
HDFS 的好处实际上是文件系统为前面提到的挑战提供的解决方案：
- 它很快。由于其集群架构，它每秒可以提供超过 2 GB 的数据。
- 这是免费的。HDFS 是一种开源软件，无需许可或支持成本。
- 这是可靠的。 文件系统将多个数据副本存储在不同的系统中，以确保它始终可以访问。
这些优势在处理大数据时尤为重要，并且通过 HDFS 处理数据的特殊方式成为可能。
注意： Hadoop 只是大数据处理的一种解决方案。另一个流行的开源框架是 Spark。想更多地了解这些大数据处理解决方案之间的主要区别吗？查看Hadoop 与 Spark – 详细比较。
HDFS如何工作：HDFS 如何存储数据？
HDFS 将文件分成块并将每个块存储在一个 DataNode 上。多个 DataNode 链接到集群中的主节点 NameNode。主节点在整个集群中分发这些数据块的副本。它还指示用户在哪里可以找到想要的信息。
但是，在 NameNode 可以帮助你存储和管理数据之前，它首先需要将文件分区为更小的、可管理的数据块。这个过程称为数据块拆分。
数据块拆分
默认情况下，一个块的大小不能超过 128 MB。块数取决于文件的初始大小。除了最后一个块外，所有块的大小都相同 (128 MB)，而最后一个块是文件的剩余部分。
例如，一个 800 MB 的文件被分成七个数据块。七个块中的六个是 128 MB，而第七个数据块是剩余的 32 MB。
然后，每个块被复制成多个副本。
Hadoop分布式文件系统指南：数据复制
根据集群的配置，NameNode 使用复制方法为每个数据块创建多个副本。
建议至少有三个副本，这也是默认设置。主节点将它们存储到集群的单独 DataNode 上。节点的状态受到密切监控，以确保数据始终可用。
HDFS如何工作？为了确保高可访问性、可靠性和容错性，开发人员建议使用以下拓扑设置三个副本：
- 将第一个副本存储在客户端所在的节点上。
- 然后，将第二个副本存储在不同的机架上。
- 最后，将第三个副本存储在与第二个副本相同的机架上，但位于不同的节点上。
HDFS 架构：NameNodes 和 DataNodes
什么是HDFS？HDFS 具有主从架构。主节点是NameNode，它管理集群内的多个从节点，称为DataNodes。
名称节点
Hadoop 2.x 引入了每个机架具有多个 NameNode 的可能性。这种新颖性非常重要，因为拥有一个包含集群内所有信息的单一主节点会带来很大的漏洞。
通常的集群由两个 NameNode 组成：
- 一个活跃的 NameNode
- 和一个备用的 NameNode
第一个处理集群内的所有客户端操作，第二个在需要故障转移时与其所有工作保持同步。
的活性的NameNode 跟踪每个数据块及其副本的元数据。这包括文件名、权限、ID、位置和副本数。它将所有信息保存在fsimage 中，这是一个存储在文件系统本地内存中的命名空间映像。此外，它还维护称为EditLogs 的事务日志，记录系统上所做的所有更改。
注意：每当添加、复制或删除新块时，它都会记录在 EditLogs 中。
Stanby NameNode 的主要目的是解决单点故障问题。它读取对 EditLogs 所做的任何更改并将其应用到其命名空间（数据中的文件和目录）。如果主节点出现故障，Zookeeper服务会执行故障转移，允许备用节点保持活动会话。
数据节点
DataNode 是从守护进程，用于存储 NameNode 分配的数据块。如上所述，默认设置确保每个数据块具有三个副本。你可以更改副本的数量，但是，建议不要低于三个。
HDFS如何工作？应根据 Hadoop 的机架感知策略分发副本，该策略指出：
- 副本的数量必须大于机架的数量。
- 一个DataNode只能存储一个数据块的一个副本。
- 一个机架不能存储两个以上的数据块副本。
通过遵循这些准则，你可以：
- 最大化网络带宽。
- 防止数据丢失。
- 提高性能和可靠性。
注意：如果在裸机云基础架构上运行，可以充分体验 Hadoop 的可扩展性，该基础架构提供按小时计费和轻松配置数千台服务器的能力。要了解更多信息，请阅读什么是裸机云。
Hadoop分布式文件系统指南：HDFS 的主要特性
这些是 Hadoop 分布式文件系统的主要特征：
1. 管理大数据。 HDFS 在处理大型数据集方面非常出色，并提供了传统文件系统无法提供的解决方案。它通过将数据分成可管理的块来实现这一点，从而实现快速处理。
2. 机架感知。 它遵循机架感知准则，确保系统高度可用和高效。
3. 容错。 由于数据存储在多个机架和节点上，因此会被复制。这意味着如果集群中的任何一台机器发生故障，该数据的副本将从不同的节点获得。
4. 可扩展。你可以根据文件系统的大小扩展资源。HDFS 包括垂直和水平可扩展性机制。
HDFS 现实生活中的使用
什么是HDFS？处理大量数据的公司早就开始迁移到 Hadoop，Hadoop 是处理大数据的领先解决方案之一，因为它具有存储和分析功能。
金融服务。Hadoop 分布式文件系统旨在支持预计呈指数增长的数据。该系统是可扩展的，而不会降低复杂数据处理的速度。
零售。由于了解客户是零售业成功的关键因素，因此许多公司保留大量结构化和非结构化客户数据。他们使用 Hadoop 跟踪和分析收集到的数据，以帮助规划未来的库存、定价、营销活动和其他项目。
电信。电信行业管理着大量数据，并且必须处理数 PB 级的数据。它使用 Hadoop 分析来管理呼叫数据记录、网络流量分析和其他电信相关流程。
能源行业。能源行业一直在寻找提高能源效率的方法。它依赖于 Hadoop 及其文件系统等系统来帮助分析和理解消费模式和实践。
保险。医疗保险公司依赖数据分析。这些结果是他们制定和实施政策的基础。对于保险公司来说，洞察客户历史是无价的。能够在不断增长的同时维护易于访问的数据库，这就是许多人转向 Apache Hadoop 的原因。
注意：存储在 HDSF 中的数据由 Apache Hive 查询、管理和分析，Apache Hive 是一个构建在 Hadoop 之上的数据仓库系统。如果你有 Ubuntu 系统并想开始使用 Hive，请参阅如何在 Ubuntu 上安装 Hive以及如何在 Hive 中创建表。
Hadoop分布式文件系统指南结论
阅读本文后，你应该对 HDFS 是什么以及它在 Apache Hadoop 生态系统中扮演的角色有了更好的了解。
如果你正在处理大数据，或者希望增长到如此规模，Hadoop 和 HDFS 可以让事情变得更容易。
