分布式文件系统HDFS课件.pptVIP

分布式文件系统HDFS

提纲?1分布式文件系统?2HDFS简介?3HDFS相关概念?4HDFS体系结构?5HDFS存储原理?6HDFS大数据读写过程?7HDFS编程实践

1分布式文件系统?1.1计算机集群结构?1.2分布式文件系统的结构?1.3分布式文件系统的设计需求

1.1计算机集群结构?分布式文件系统把文件分布存储到成千上万的计算机节点上图3-1计算机集群的基本架构

1.2分布式文件系统的结构分布式文件系统在物理结构上是由计算机集群中的多个节点构成的，这些节点分为两类，一类叫“主节点”(MasterNode)或者也被称为“名称结点”(NameNode)，另一类叫“从节点”（SlaveNode）或者也被称为“数据节点”(DataNode)图3-2大规模文件系统的整体结构

1.3分布式文件系统的设计需求分布式文件系统的设计目标主要包括透明性、并发控制、可伸缩性、容错以及安全需求等。但是，在具体实现中，不同产品实现的级别和方式都有所不同。●透明性含义：具备访问透明性、位置透明性和伸缩透明性HDFS实现情况：完全支持位置透明性和伸缩透明性●并发控制含义：客户端对于文件的读写不应该影响其他客户端对同一个文件的读写HDFS实现情况：机制非常简单，任何时间都只允许有一个程序在写入某个文件

1.3分布式文件系统的设计需求●文件复制（容错机制）含义：一个文件可以拥有在不同位置的多个副本HDFS实现情况：HDFS采用了多副本机制●硬件和操作系统的异构性（可伸缩性）含义：可以在不同的操作系统和计算机上实现同样的客户端和服务器端程序HDFS实现情况：采用Java语言开发，具有很好的跨平台能力

1.3分布式文件系统的设计需求●容错含义：保证文件服务在客户端或者服务端出现问题的时候能正常使用HDFS实现情况：具有多副本机制和故障自动检测、恢复机制●可伸缩性含义：支持节点的动态加入或退出HDFS实现情况：是建立在大规模廉价机器上的分布式文件系统集群，具有很好的可伸缩性●安全含义：保障系统的安全性HDFS实现情况：安全性较弱

2HDFS简介总体而言，HDFS要实现以下目标：●容错●流式数据读写●能存储大数据集●强大的跨平台兼容性HDFS在实现上述优良特性的同时，也使得自身具有一些应用局限性，主要包括以下几个方面：●不适合低延迟数据访问●无法高效存储大量小文件●不支持多用户写入及任意修改文件

3HDFS相关概念2名称节点和数据节点

1块HDFS：一个文件被分成多个块，以块作为存储单位，默认一个块64MB。HDFS采用抽象的块概念可以带来以下几个明显的好处：●支持大规模文件存储：一个大规模文件可以被分拆成若干个文件块，不同的文件块可以被分发到不同的节点上。因此，一个文件的大小不会受到单个节点存储容量的限制，可以远远大于网络中任意节点的存储容量●减少文件操作开销：块大小远远大于普通文件系统的块大小，可以最小化寻址开销●简化系统设计：首先，大大简化了存储管理。因为文件块大小是固定的，这样就可以很容易计算出一个节点可以存储多少文件块。其次，方便了元数据的管理。元数据不需要和文件块一起存储，可以由其他系统负责管理元数据●适合数据备份：每个文件块都可以冗余存储到多个节点上，大大提高了系统的容错性和可用性

2名称节点和数据节点在HDFS中，名称节点（NameNode）负责管理分布式文件系统的命名空间（Namespace）。保存了两个核心的数据结构，即FsImage和EditLog。FsImage用于维护文件目录以及所有的文件的元数据，操作日志文件EditLog中记录了所有针对文件的创建、删除、重命名等操作。此外，名称节点记录了从各文件块到其所在数据节点位置的映射信息。图3-3名称节点的数据结构

2名称节点和数据节点FsImage文件?FsImage文件包含文件系统中所有目录和文件inode的序列化形式。每个inode是一个文件或目录的元数据的内部表示。对于文件，它包含：文件的复制等级、修改和访问时间、访问权限、块大小以及组成文件的块。对于目录，则存储修改时间、权限和配额元数据?FsImage文件没有记录块存储在哪个数据节点，而是由名称节点把这些映射保留在内存中。当数据节点加入HDFS集群时，数据节点会把自己所包含的块列表告知给名称节点，此后会定期执行这种告知操作，以确保名称节点的块映射是最新的。

2名称节点和数据节点EditLog文件?因为FsImage文件一般都很大（GB级别的很常见），如果所有的更新操作都往FsImage文件中添加，这样会导致系统运行的十分缓慢。因此，通常先往EditLog文件里面写。由于EditLog要小很多，因此就不会这样。每次执行写操作之后，且在向客户端发送成功代码