HDFS分配策略学笔记二
2015-09-01 08:20
281 查看
hadoop的HDFS文件存储
原文 http://www.cnblogs.com/zhanghuijunjava/archive/2013/04/22/hadoop-block_hdfs.html 主题HDFS Hadoop
1:什么是HDFS?
HDFS适合做:
存储大文件。上G、T甚至P。
一次写入,多次读取。并且每次作业都要读取大部分的数据。
搭建在普通商业机群上就可以了。虽然会经常宕机,但HDFS有良好的容错机制。
HDFS不适合做:
实时数据获取。如果有这个需求可以用HBase。
很多小文件。因为namenode要存储HDFS的metadata(比如目录的树状结构,每个文件的文件名、ACL、长度、owner、文件内容存放的位置等等信息),所以HDFS上文件的数目受到namenode内存的限制。
并发环境下的写入和修改。
hadoop中存储文件以HDFS形式存储,HDFS拥有自己的设计原则:
1:文件大小以block块的形式存储
2:每个块至少分配到三台DataNode(看集群情况而定)
3:通过副本机制提高可靠度和吞吐量
4:hadoop1.0使用单一的master(NameNode)来协调存储元数据(metadata)
5:最有意思的是hadoop设计者没有设置客户端缓存机制,因为我们对处理数据有足够的信心。
下图为HDFS的系统结构
NameNode:主要存储元数据:例如:文件名,拷贝几份,分别备份到哪里;
过程大概如下:
client要向集群中写入数据,首先询问Master(NameNode),Master告知客户端向哪些DataNode
写入数据,在往DataNode写入数据的同时,DataNode与NameNode保持心跳,如果DataNode在执行
任务失败,NameNode会通过心跳机制得知DataNode死掉,将重新分配新的任务到其他的DataNode。
2:Block之副本放置策略
第一副本:放置在上传文件DataNode,如果是集群外提交,由NameNode选择一台磁盘不太满,
CPU不太忙的节点。
第二副本:放置在于第一副本不同的机架的节点上
第三副本:与第二个副本相同集群的节点
第四副本 随机节点
总结:
第一个副本存放节点位置是随机不固定,只要保证三个副本节点不同时存放在同一个机架上即可
如bk1第一个副本副本在DN1(属于Back1),第二个在DN2(属于Back1)中,而第三个在DN4(属于Back2)中.同样
bk5第一个副本在DN3(属于Back2)第二个副本在DN1(属于Back1)二第三个副本在DN2(属于Back1)...不难而至这些都符合上面的条件
如图:
3:Block的存储形式
1:Block默认大小64M,如果上传文件小于64M,那么仍然占用一个命名空间(NameNode metadata),
但是物理存储不会占用64M空间;(这也是hadoop为什么不太适合处理小数据的原因之一)
2:Block大小和副本数由Client端上传文件到HDFS时设置,其中副本数可以变更,Block是不可以再上 传后变更的
相关文章推荐
- hdfs源码分析第一弹
- Greenplum Hadoop视频教程
- HDFS snapshot操作实战
- 虚拟机Ubutnu安装hadoop
- Hadoop运维记录系列(十六)
- HDFS文件系统命令详解
- HBase+HDFS出现的SocketTimeoutException错误
- HDFS 初识
- Hadoop RPC Client端的简单实现
- HDFS源码分析(六)-----租约
- HDFS的回收站 && 安全模式
- HDFS——如何将文件从HDFS复制到本地
- 查看HBase表在HDFS中的文件结构
- hdfs常用命令
- Dream------Hadoop--HDFS的设计
- Dream------Hadoop--FSDataInputStream和FSDataOutputStream
- hadoop-CDH版环境搭建(一)
- HDFS源码分析(五)-----节点注册与心跳机制
- Hadoop2 namenode HA + 联邦 + Resource Manager HA 实验
- Hadoop2 namenode 联邦 实验