标签：数据集 数据处理 情况下 启动过程 base log 随机 固定 linu
HDFS在设计时就充分考虑了实际应用环境的特点，即硬件出错在普通服务集群中是一种常态，而不是异常。
因此HDFS主要实现了以下目标：
| 兼容廉价的硬件设备 | HDFS设计了快速检测硬件故障和进行自动恢复的机制，可以实现持续监视，错误检查，容错处理和自动回复，从而使得在硬件出错的情况下也能实现数据的完 整性 |
| 流数据读写 | 普通文件系统主要用于随机读写以及与用户进行交互，HDFS则是为了满足批量数据处理。因此其可以以流式方式来访问文件数据。 |
| 大数据集 | HDFS中的文件通常可以达到GB甚至TB级别 |
| 简答的文件模型 | HDFS采用了“一次写入，多次读取”的简单文件模型，文件一旦完成写入，关闭后就无法再次写入，只能被读取 |
| 强大的跨平台兼容性 | 由于HDFS使用java语言实现的，具有很好的跨平台兼容性 |
HDFS的局限：
| 不适合低延迟数据的访问 | HDFS不适合用在需要较低延迟（如数十毫秒）的应用场合，对于低延迟要求的应用程序而言，HBase是一个更好的选择 |
| 无法高效存储大量小文件 | 小文件是指文件大小小于一个块的文件 |
| 不支持多用户写入及任意修改文件 | HDFS只允许一个文件有一个写入者，且只允许对文件执行追加操作，不能执行随机写操作（即:不能改变文件中的数据，只能在文件后增加） |
块：在传统的文件系统中，为了提高磁盘读写效率，一般以数据块为单位，而不是以次节为单位。查找数据的存储位置时，通过查询一块块的数据块，找到数据在磁盘中的存储位置，然后进行读写。HDFS也同样采用了块的概念，默认一个块的大小是64MB，这样做得目的是为了最小化寻址开销。通常，MapReduce中的Map任务一次只处理一个块中的数据。HDFS采用抽象的块概念的好处：
| 支持大规模文件存储 | 文件在存储时别拆分为一定量的块，分发到不同的节点上，因此一个文件的大小不会受到单个节点的存储容量限制 |
| 简化系统设计 | 大大简化了存储管理，因为一个文件块的大小是固定的，这样就可以计算出一个节点可以存储多少文件块，且方便了元数据的管理 |
| 适合数据备份 | 每个文件块都可以冗余存储到多个节点上，大大提高了系统的容错性和可用性 |
名称节点和数据节点：在HDFS中，名称节点（NameNode）负责管理分布式文件系统的命名空间，保存了两个核心的数据结构，即FsImage和EditLog。FsImage用于维护文件系统树以及文件数中所有的文件和文件夹的元数据。操作日志文件EditLog中记录了所有针对文件的创建，删除，重命名等操作。名称节点记录了每个文件中各个块所在的数据节点的位置信息，但是并不持久化存储这些信息，而是在每次系统启动时扫描所有的数据节点重构得到这些信息。
名称节点在启动时，会将FsImage的内容加载到内存中，然后执行EditLog文件中的各项操作，舍得内从中的元数据保持最新。操作完成后，就会创建一个新的FsImage文件和一个空的EditLog文件。名称节点启动成功并进入正常运行状态后，HDFS中的更新操作都会被写入EditLog中，而不是直接写入FsImage中。名称节点在启动的过程中处于“安全模式”，只能对外提供读操作而无法提供写操作。启动过程结束后，系统就会退出安全模式，进入正常运行状态，对外提供读写操作。
数据节点（DataNode）负责数据的存储和读取。每个数据节点的数据会被保存在各自节点的本地Linux文件系统中。
第二名称节点:在名称节点运行期间，HDFS会不断发生更新操作，这些更新操作都是直接被写入EditLog文件，因此EditLog文件也会逐渐变大，虽然EditLog不会对系统性能产生显著影响，但是当名称节点重启是，需要将FsImage加载到内存中，然后逐条执行EditLog中的记录，使得FsImage保持更新，可想而知，如果EditLog很大，就会导致整个过程变得非常缓慢，使得名称节点在启动过程中长期处于“安全模式”，无法正常对外提供写操作，影响了用户的使用。
为了解决这个问题，HDFS采用了第二名称节点。它具有两个方面的功能：
一是进行EditLog和FsImage的合并操作，每隔一段时间（假设为t1），第二名称节点会和名称节点通信，请求其停止使用EditLog文件,暂时将新到达的写操作添加到一个新的文件EditLog.new中。然后，第二名称节点把名称节点中的FsImage和EditLog文件拉回本地，再加载到内存中，对两者执行合并操作，即在内存中逐条执行EditLog中的操作，使得FsImage保持最新。合并结束后，第二名称节点会把合并得到的最新FsImage文件发送到名称节点。名称节点收到后，会用最新的FsImage文件去替换旧的FsImage文件，同时用EditLog.new文件去替换EditLog文件（假设这段时间为t2），从而减小了EditLog文件的大小。
二是作为名称节点的“检查节点”。从上面的合并过程中可以看出，第二名称节点会定期和名称节点通信，从名称节点获取FsImage和EditLog文件。这相当于第二名称节点是名称节点的“检查节点”，周期性地备份名称节点中的元数据信息，当名称节点发生故障时，就可以用第二名称节点对其进行恢复。但是，第二名称节点上合并操作得到的新的FsImage文件是合并操作发生时（即t1时刻）HDFS记录的元数据信息，并没有包含t1时刻和t2时刻期间发生的更新操作，如果名称节点在这段时间内发生故障，系统就会丢失部分元数据。在HDFS的设计中，也并支持把系统直接切换到第二名称节点。因此第二名称节点相当于系统的“冷备份”。
标签：数据集 数据处理 情况下 启动过程 base log 随机 固定 linu
原文地址：https://www.cnblogs.com/wobu/p/8868529.html
