Harley浅谈HadoopHDFS

 

一、HDFS概述

 

1.1、HDFS产出背景及定义

 

1.1.1、HDFS产生背景

 

  随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统。HDFS只是分布式文件管理系统中的一种。

 

1.1.2、HDFS定义

 

  Hadoop（Hadoop distributed File System），它是一个文件系统，用于存储文件，通过目录树来定位文件；其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色。

  HDFS的使用场景：适合一次写入，多次读出的场景，且不支持文件的修改。适合用来做数据分析，并不适合用来做网盘应用。

 

1.2、HDFS 优缺点

 

1.2.1、优点

 

（1）高容错性

1️⃣ 数据自动保存多个副本。它通过增加副本的形式，提高容错性。

2️⃣ 某一个副本丢失以后，它可以自动回复。

 

（2）适合处理大数据

1️⃣ 数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据；

2️⃣ 文件规模：能够处理百万规模以上的文件数量，数量相当之大。

 

（3）可构建在廉价机器上，通过多副本机制，提高可靠性。