阅读前必看

这篇文章与其说是一篇文章，不如说是一篇在家学习的笔记，其中大部分内容来自于github上一个大神的开源笔记，在此附上链接，表达版权所属以及敬意:github源地址

一、介绍

HDFS(Hadoop Distributed File System)是Hadoop下的一个分布式文件系统。可以执行任意一个文件系统所应该具有的功能，目录结构比较类似于Linux文件系统。特点是分布式以及大数据存储。
具有高容错、高吞吐量的特点，可以部署在低成本的硬件上。

二、HDFS设计原理

HDFS设计原理图

2.1 HDFS架构

HDFS遵循M/S(主/从)架构,由单个NameNode(NN)和多个DataNode(DN)组成

NameNode：负责执行有关文件系统命名空间的操作,例如打开、关闭、重命名文件和目录等。还负责集群元数据的存储,记录着文件中各数据块的位置信息
DataNode：负责提供来自文件系统客户端的读写请求，执行块的创建、删除等操作。

2.2 文件系统命名空间

HDFS的文件系统命名空间的层次结构比较类似于Linux文件系统，支持目录和文件的创建、移动、删除和重命名等操作，支持配置配置用户和访问权限，但不支持硬链接和软连接。NameNode负责维护文件系统命名空间，记录对名称空间或其属性的任何更改

2.3 数据复制

由于Hadoop被设计运行在廉价的机器上,这意味着硬件是不可靠的,为了保证容错性，HDFS提供了数据复制机制。HDFS将每一个文件存储为一系列块，每个块由多个副本来保证容错，块的大小和复制因子可以自行配置(默认情况下，块大小是128M,默认复制因子是3)

HDFS副本机制

2.4 数据复制的实现原理

在写入程序位于datanode上时,就优先将写入文件的一个副本放置在该datanode上,否则放在随机datanode上。之后在另一个远程机架上的任意一个节点上放置另一个副本，并在该机架上的另一个节点上放置最后一个副本。此策略可以减少机架间的写入流量，从而提高写入性能。

数据复制原理

如果复制因子大于3,则随机确定第四个和之后副本放置位置,同时保持每个机架的副本数量低于上限，上限值通常为(复制系数-1)/机架数量+2
注意:不允许同一个datanode上具有同一块的多个副本。

2.5 副本的选择

一句话来说就是:就近原则
为了最大限度地减少带宽消耗和读取延迟,HDFS在执行读取请求时,优先读取距离读取器最近的副本。如果在与读取节点相同机架上存在副本，则优先选择该副本。如果HDFS集群跨越多个数据中心，则优先选择本地数据中心上的副本

2.6 架构稳定性

心跳机制

每个DataNode定期向NameNode发送心跳消息，如果超过指定时间没有收到心跳消息，则将DataNode标记为死亡。NameNode不会将任何新的I/O请求转发给标记为死亡的DataNode,也不会再使用这些DataNode上的数据。由于数据不再可用，可能会导致某些的复制因子小于其指定值,NameNode会跟踪这些块，并在必要时进行重新复制。
数据的完整性

由于设备故障等原因,存储在DataNode上的数据也会发生损坏。为了避免读取到已经损坏的数据而导致的错误，HDFS提供了数据完整性校验机制来保证数据的完整性，具体操作如下:
当客户端创建HDFS文件时，它会计算文件的每个块的校验和，并将校验和存储在同一HDFS命名空间的单独隐藏文件中。当客户端检索文件内容时,它会验证从每个DataNode接收的数据是否与存储在关联校验和文件中的校验和匹配。如果匹配失败,则证明数据已经损坏,此时客户端会选择从其它DataNode获取该块的其它可用副本。
元数据的磁盘故障

FsImage 和 EditLog 是HDFS的核心数据，这些数据的意外丢失可能会导致整个HDFS服务不可用。为了避免这个问题，可以配置NameNode使其支持FsImage 和 EditLog 多副本同步，这样FsImage 或 EditLog 的任何改变都会引起每个副本FsImage 和 EditLog 的同步更新。
支持快照

快照支持在特定时刻存储数据副本，在数据意外损坏时,可以通过回滚操作恢复到健康的数据状况。