一 HDFS概念
1.1 概念
HDFS，它是一个文件系统，为Hadoop的组成之一，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的设计适合一次写入，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。
应用场景为海量数据的存储
扩展：Windows的文件系统为NTFS
1.2 组成
- 1）HDFS集群包括，NameNode和DataNode以及Secondary Namenode。
- 2）NameNode负责管理整个文件系统的元数据，以及每一个路径（文件）所对应的数据块信息。（目录）
- 3）DataNode 负责管理用户的文件数据块，每一个数据块都可以在多个datanode上存储多个副本。（数据）
- 4）Secondary NameNode用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。
1.3 HDFS 文件块大小
HDFS中的文件在物理上是分块存储（block），块的大小可以通过配置参数( dfs.blocksize)来规定，默认大小在hadoop2.x版本中是128M
HDFS的块比磁盘的块大，其目的是为了最小化寻址开销。如果块设置得足够大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。因而，传输一个由多个块组成的文件的时间取决于磁盘传输速率，而不会受限于寻址时间。
计算方法：
如果寻址时间约为10ms，而目前磁盘的传输速率普遍为100MB/s;
为了使寻址时间仅占传输时间的1%(经测试，此为较佳的性价比)，我们要将块大小设置约为100MB(块的大小：10ms/1%*100M/s = 100M)。
很多情况下HDFS使用128MB的块设置。 这样可以避免一些内存碎片。