• 数据存入HDFS中时需要对其进行分片（split）、压缩等操作。
  • HDFS使用Block（存储块）对文件的存储进行操作，Block是HDFS的基本存储单元，默认大小是64MB（Block较大的优点：可以减少用户与节点之间的通信需求；Namenode利用率高）。每个Block的默认副本数为3。
  • HDFS数据存储的目标有两个：最大化数据可靠性（每个数据块有默认3个副本）；最大化利用网络带宽资源。
  • 数据节点之间的距离：同一节点（0）；同一机架上不同节点（3）；同一数据中心不同节点上（6）；不同数据中心（9）。该距离的计算，由网络中的交换机的位置计算，该距离值是读取数据时读取节点的位置计算依据。
  • HDFS上的副本存放位置要对带宽以及传输速率进行衡量。
  • 对于数据量较庞大而安全性不太高的数据，可以较少副本数目，或者关闭HDFS复制而采用硬盘Raid模式。
  • HDFS副本（3个副本的情况）存放：第一个副本存放在当前节点上；第二个副本存放在不同的机架上；第三个副本存放在同一机架上的不同节点上。
  • NameNode中存放的基本信息有个特定的名称被叫做“元数据”，一般包括数据类型、大小、格式以及对象的存储形式。
  • HDFS在数据写入时，当节点出现故障时，只要默认的一个节点（dfs.replication.min）被写入了，数据将自动在集群键复制，直到复制达成第一好的次数。
  • HDFS通用操作命令：
  1. archive：创建一个hadoop档案文件，使用方法：hadoop archive -archibeName NAME <src>* <dest>
  2. distcp：在相同的文件系统中并行复制文件，使用方法：hadoop distcp <src1> <src2>
  3. fs：运行一个常规的文件基本命令，使用方法：hadoop fs [COMMAND_OPTIONS]
  4. jar：运行一个内含Hadoop运行代码的jar文件，使用方法：hadoop jar <jar> [mainClass] args
  • HDFS18个基本操作命令（文件路径可以使用相对路径，core-site.xml中已经对绝对路径进行了指定）：


1. -help
2. -cat
3. -copyFromLocal
4. -copyToLocal
5. -cp
6. -du
7. -dus（显示目标文件大小）
8. expugunge（清空回收站）
9. -get
10. -ls
11. -lsr
12. -mkdir
13. -mv
14. -put
15. -rm
16. -rmr
17. -setrep
18. -test（使用ezd对文件进行检查）
19. -text（将源文件输出为文本格式）