HDFS是分布式文件系统，扩展极为方便，非常适合存储大文件和非结构化的数据。HDFS有着高容错性的特点，设计用来部署在低廉的硬件上。HDFS流式数据访问采用一次写入，多次读取。通过放开的Posix标准要求，达到高的读取性能。首先回顾一下HDFS基本概念，接着讨论在Hadoop中，如何实现HDFS和NFS互访。
原生HDFS的系统架构是一个典型的主、从(Master Slave)架构，包括一个NameNode节点(主节点)和多个DataNode节点(从节点)，每个Slave上运行一个DataNode服务，并提供应用程序访问接口。
HDFS中数据存储的基本单位为Block，通过多副本技术把文件分成大量的数据块存放在不同DataNode节点上，读取文件时可以同时从多个节点并发读取不同块的文件，提供文件读取速度。
NameNode是整个文件系统的管理节点，它负责文件系统名字空间(Name Space)的管理与维护，同时负责客户端文件操作的控制以及具体存储任务的管理与分配。
DataNode提供真实文件数据的存储服务。DataNode主要用于存放真实文件数据NameNode存储的信息，这些信息包括文件树、Block到DataNode映射关系、记录可用DataNode的信息等。
HDFS对文件的读、写流程如图所示，再此不再花太多时间描述，不太清楚的读者请上网搜索一下，有很多专业介绍文章供参考。
针对Hadoop HDFS的实现，业界并没有统一的实现方式。原生HDFS是采用服务器本地磁盘实现，这样在数据读取上具有很好的本地化优势。但是本地实现方式有存在容量使用率低，影响计算等问题。目前，比较典型的实现方式主要包括：专业存储方式，HDFS连接器方式和DFS客户端接口。HDFS连接器方式就是把NFS通过适配、转换成HDFS的方式。
Netapp和Lustre实现方案
在Netapp和Lustre中，将专业存储(如 NetApp FAS或E系列)作为NameNode和DateNode服务器的外置存储使用。NameNode采用FAS系列保持元数据等信息，而正真的数据保存在由E系列提供的DataNode存储中。
这种实现方式是把NameNode和DataNode卸载在专业存储上，HDFS数据还是采用3份冗余，后端分布式文件系统或者SAN存储还保留自己的冗余方式(专业存储自身RAID)，利用率低于原生HDFS系统，但是数据可靠性高于原生实现。
GPFS和Ceph等DFS方案
通过提供HDFS连接器，仅封装了Hadoop通用库的接口，采用Java重新封装和派生功能适配上次HDFS接口，连接器部署在业务主机侧，后端转换为分布式文件系统(DFS)自身的协议、接口(一般为NFS)访问文件，底层采用NFS或者GPFS实现。
存储容量使用率和可靠性依赖于后端分布式文件系统的实现方式，当前主流采用Erase Code方式(取决于分布式存储)，一般来说容量利用率高于原生系统。
Isilon的DFS客户端方案
Isilon对HDFS的支持是基于DFS客户端接口的实现，在分布式文件系统内实现HDFS完整语义(即实现了NameNode和DataNode功能)。
Isilon的实现方式相比HDFS连接器方式来说，更加彻底。具有非常好的兼容性。HDFS连接器方式开发相对简单，对上层HDFS覆盖面不全，但是基本上能满足大部分应用场景。这两种实现方式在容量使用率和可靠性上比较类似。
HDFS转NFS并用NFS客户端访问
介绍完NFS转化HDFS方式后，接下来，介绍下HDFS如何转化成NFS供Linux、Unix客户端访问。即HDFS的访问除了通过API方式，HTTP Rest接口，也可以通过将HDFS以NFS的方式挂载为Linux或者Windows的“本地”文件系统。
从Hadoop2.2.0开始支持，在HDFS服务中添加对应的NFS Gateway角色实现HDFS转化NFS。NFS Gateway目前还不够完善，比如对随机读写支持很弱。通过NFS网关方式挂载HDFS文件系统，并不能把它完全当作本地文件使用。比较适合的场景是文件上传和文件下载、文件浏览等。
上图是HDFS NFS网关工作示意图，首先由NFS Client或者程序访问NFS Server，然后HDFS NFS网关做为HDFS的Client访问HDFS集群文件系统。关键环节在于中间代理或者网关(NFS Gateway)这个节点了。
在技术上，可以把网关这层和集群某个节点部署在一起，当然也可以单独拿一台代理服务器作为HDFS的客户端。Hadoop提供了一些命令工具，启动HDFS NFS网关。可以在NameNode或者DataNode节点上查看相应的进程的运行情况。
