HDFS（HadoopDistributedFileSystem），是一個適合運行在通用硬件（commodityhardware）上的分布式文件系統(tǒng)，是Hadoop的核心子項目，是基于流數(shù)據(jù)模式訪問和處理超大文件的需求而開發(fā)的。該系統(tǒng)仿效了谷歌文件系統(tǒng)（GFS），是GFS的一個簡化和開源版本。

HDFS的主要架構(gòu)

HDFSClient（客戶端）：從NameNode獲取文件的位置信息，再從DataNode讀取或者寫入數(shù)據(jù)。此外，client在數(shù)據(jù)存儲時，負(fù)責(zé)文件的分割；

NameNode（元數(shù)據(jù)節(jié)點）：管理名稱空間、數(shù)據(jù)塊（Block）映射信息、配置副本策略、處理客戶端讀寫請求；

DataNode（存儲節(jié)點）：負(fù)責(zé)執(zhí)行實際的讀寫操作，存儲實際的數(shù)據(jù)塊，同一個數(shù)據(jù)塊會被存儲在多個DataNode上

SecondaryNameNode：定期合并元數(shù)據(jù)，推送給NameNode，在緊急情況下，可輔助NameNode的HA恢復(fù)。

HDFS的特點（VsGFS）

分塊更大，每個數(shù)據(jù)塊默認(rèn)128MB；

不支持并發(fā)，同一時刻只允許一個寫入者或追加者;

過程一致性，寫入數(shù)據(jù)的傳輸順序與最終寫入順序一致;

MasterHA，2.X版本支持兩個NameNode，（分別處于AcTIve和Standby狀態(tài)），故障切換時間一般幾十秒到數(shù)分鐘

HDFS適合的應(yīng)用場景：

適用于大文件、大數(shù)據(jù)處理，處理數(shù)據(jù)達(dá)到GB、TB、甚至PB級別的數(shù)據(jù)。

適合流式文件訪問，一次寫入，多次讀取。

文件一旦寫入不能修改，只能追加。

HDFS不適合的場景：

低延時數(shù)據(jù)訪問。

小文件存儲

并發(fā)寫入、文件隨機修改