大数据入门：HDFS数据读写机制

作为Hadoop的分布式文件系统的HDFS，是Hadoop框架学习当中的重点内容，HDFS的设计初衷，是致力于存储超大文件，能够通过构建在普通PC设备上的集群环境，以较低成本完成大规模数据存储任务。今天的大数据入门分享，我们就主要来讲讲HDFS数据读写机制。

HDFS在数据存储上，具备高可靠性，提供容错机制，为整个Hadoop框架的数据处理提供了更稳固的底层支持。这其中，HDFS数据读写机制是发挥着重要的作用的。

HDFS相关的基本概念

块（block）

这是HDFS的基本思想，把大的文件分成块，每块64M。

备份（replicas）

热备份：b是a的热备份，如果a坏掉。那么b马上运行代替a的工作。

冷备份：b是a的冷备份，如果a坏掉。那么b不能马上代替a工作。但是b上存储a的一些信息，减少a坏掉之后的损失。

机架 (rack)

由几个DataNode组成的部件称为机架。

MetaData

描述我们要存储数据的数据结构。

HDFS namespace

这个命名空间指的是文件的目录结构，与我们单个电脑的文件的结构树相似。

EditLog

记录文件系统的metadata变化的事务日志，是HDFS的核心数据结构。 例如，写入一个文件或修改复制因子都会向EditLog中写入一条record。

FsImage

整个文件系统的命名空间，包括block到文件的映射，文件系统的属性（大小，被分为几个block，只读，权限等信息），都被存储在一个文件中，这个文件就是FsImage。

HDFS namespace，EditLog，FsImage都存储在NameNode上。

HeartBeat

NameNode和DataNode通过HeartBeat进行通信，每隔一定时间，DataNode就会向NameNode发送心跳信号，以此报告给NameNode，说我还活着，这样NameNode 在接到读写任务时，会发命令给它。

HDFS如何分解文件

HDFS默认会将文件分割成 block，64M为1个block，然后将block按键值对存储在HDFS上，并将键值对的映射存到内存中。每个文件默认会保存3份。

HDFS的基本架构，按照Master和Slave的结构，主要的组件包括：NameNode、SecondaryNameNode、DataNode。

NameNode：是Master节点，处理客户端的读、写请求；管理数据块映射；管理HDFS的名称空间；配置副本策略；

SecondaryNameNode：合并fsimage和fsedits，然后再发给namenode，尽量不要与NameNode部署在同一个host上，这样避免内存的过多消耗；NameNode的冷备份；

DataNode：Slave节点，干活的。负责存储client发来的数据块block，执行数据块的读写操作。

HDFS读写机制

1、数据写入

客户端访问NameNode请求上传文件；

NameNode检查目标文件和目录是否已经存在；

NameNode响应客户端是否可以上传；

客户端请求NameNode文件块Block01上传服务位置；

NameNode响应返回3个DataNode节点；

客户端通过输入流建立DataNode01传输通道；

DataNode01调用DataNode02，DataNode02调用DataNode03，通信管道建立完成；

DataNode01、DataNode02、DataNode03逐级应答客户端。

客户端向DataNode01上传第一个文件块Block；

DataNode01接收后传给DataNode02，DataNode02传给DataNode03;

Block01传输完成之后，客户端再次请求NameNode上传第二个文件块。

2、数据读取

客户端通过向NameNode请求下载文件；

NameNode查询获取文件元数据并返回；

客户端通过元数据信息获取文件DataNode地址；

就近原则选择一台DataNode服务器，请求读取数据；

DataNode传输数据返回给客户端；

客户端以本地处理目标文件。

关于大数据入门，HDFS数据读写机制，以上就为大家做了简单的介绍了。在Hadoop框架当中，HDFS作为分布式文件系统，地位十分关键，而想要把HDFS学好学懂，还是需要多下功夫的。