【若泽大数据004】HDFS概述、框架、读写流程以及机架感知
一、HDFS概述
HDFS（Hadoop Distributed File System），它是一个文件系统，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 的使用场景：适合一次写入，多次读出的场景。 一个文件经过创建、写入和关闭之后就不需要改变。
优点：
1、高容错性；
2、适合处理大数据；
3、可构建在廉价机器上，通过多副本机制，提高可靠性。
缺点：
1、不适合低时延数据访问；
2、无法高效的对大量小文件进行存储；
3、不支持并发写入、文件随机修改。
二、HDFS框架
HDFS框架组成
1 ) NameNode ( nn ) :就是Master，它是一个主管、管理者。
(1) 管理HDFS的名称空间；
(2) 配置副本策略；
(3) 管理数据块（Block )映射信息；
(4) 处理客户端读写请求。
2 )DataNode :就是Slave。NameNode下达命令，DataNode执行实际的操作。
(1) 存储实际的数据块；
(2) 执行数据块的读/写操作。
3 ) Client:就是客户端。
(1) 文件切分。文件上传HDFS的时候，Client将文件切分成一个一个的Block，然后进行上传；
(2) 与NameNode交互，获取文件的位置信息；
(3) 与DataNode交互，读取或者写入数据；
(4) Client提供一些命令来管理HDFS，比如NameNode格式化；
(5) Client可以通过一些命令来访问HDFS，比如对HDFS增删查改操作；
4) Secondary NameNode :并非NameNode的热备。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。
(1) 辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode ；
(2) 在紧急情况下，可辅助恢复NameNode。
三、HDFS读写流程
1 )HDFS写数据流程
(1) 客户端通过 Distributed FileSystem 模块向 NameNode 请求上传文件， NameNode 检查目标文件是否已存在，父目录是否存在。
(2) NameNode 返回是否可以上传。
(3) 客户端请求第一个 Block 上传到哪几个 DataNode 服务器上。
(4) NameNode 返回 3 个 DataNode 节点， 分别为 dn1、 dn2、dn3。
(5) 客户端通过 FSDataOutputStream 模块请求 dn1 上传数据， dn1 收到请求会继续调用 dn2，然后 dn2 调用 dn3，将这个通信管道建立完成。
(6) dn1、 dn2、 dn3 逐级应答客户端。
(7) 客户端开始往 dn1 上传第一个 Block（先从磁盘读取数据放到一个本地内存缓存），以 Packet 为单位， dn1 收到一个 Packet 就会传给 dn2，dn2 传给 dn3； dn1 每传一个 packet会放入一个应答队列等待应答。
(8) 当一个 Block 传输完成之后，客户端再次请求 NameNode 上传第二个 Block 的服务器。（重复执行 3-7 步）。
2 )HDFS读数据流程
(1) 客户端通过 DistributedFileSystem 向 NameNode 请求下载文件， NameNode 通过查
询元数据，找到文件块所在的 DataNode 地址。
(2) 挑选一台 DataNode（就近原则，然后随机）服务器，请求读取数据。
(3) DataNode 开始传输数据给客户端（从磁盘里面读取数据输入流，以 Packet 为单位
来做校验）。
(4) 客户端以 Packet 为单位接收，先在本地缓存，然后写入目标文件。
四、机架感知
