二、Hadoop权威指南学习（HDFS）
Hadoop distributed filesystem：以流式数据访问模式来存储超大文件。一次写入、多次读取。
- 流式数据访问 每次读取都将涉及到数据集的大部分数据甚至全部。（为了读取很大的文件）
- 商用硬件
- 低时间延迟 不适合在HDFS上运行，HDFS是为搞数据吞吐量应用优化的，这可能会以提高实践延迟为代价。HBase更适合低延迟访问需求。
- 大量小文件 无法高效的存储大量小文件
- 多用户写入，任意修改文件 HDFS只支持单个写入者，写操作是以“只添加”方式在文件末尾写数据。以后可能会支持多用户写入这些操作
rack：机架
一个黄色框框是一个服务器，绿色框框代表一个datanode
协议详述tpc，http，rpc等：https://www.cnblogs.com/csuliujia/p/10139374.html
hdfs各工作流程机制（带图）：https://www.cnblogs.com/xuanku/p/hdfs.html
一、数据块：
文件系统块一般为几千字节，而磁盘块一般为512字节，（现在是4k）。
HDFS中的块（block）默认为128MB，HDFS中小于一个块大小的文件不会占据整个块空间（与单一磁盘的文件系统不同）
包括两个文件，一个数据本身，一个元数据（数据长度，块数据的校验和，以及时间戳）
HDFS的块大的目的是为了最小化寻址开销。但块的大小也不会设置的过大，MapReduce中map任务通常一次只处理一个块中的数据，因此如果任务数太少，作业的运行速度就会比较慢。
对HDFS中块进行抽象的好处：一个文件的大小可以大于网络中任意一个磁盘的容量。文件的所有块并不需要存储在同一个磁盘上；实用抽象块而非整个文件作为存储单元，大大简化了存储子系统的设计。1.简化存储管理，由于快的大小是固定的，计算单个磁盘能存储多少个块就相对容易；2.消除了对元数据的顾虑，块只是存储大块数据，而文件的元数据，如权限信息，并不需要与块一起存储；3.提高了数据容错能力和可用性，将每个块复制到少数几个物理上相互独立的机器上（默认3个），可以确保数据不会丢失。
fsck指令可以显示块信息
二、节点
namecode和datanode
namenode管理文件系统的命名空间（namespace），维护文件系统树一级所有的文件和目录。记录每个文件中各个块所在的数据节点信息，但不永久存储块的位置信息，因为这些信息会在系统启动时根据数据节点信息重建。
周期性地从集群中的每个datanode接受心跳信号（块正常工作）和块状态报告（所有数据块的列表）
元数据：镜像文件Fsimage+日志文件Edits
元数据细节 可见 -->> https://blog.csdn.net/qq_33624952/article/details/79341477
客户端（client）代表用户通过与namenode和datanode交互来访问整个文件系统。
datanode是文件系统的工作节点。根据需要存储并检索数据块，定期向namenode发送他们所存储的块的列表。
namenode容错机制：
1.备份那些组成系统系统元数据持久状态的文件。一般的配置是，将持久状态些人本地磁盘的同时，写入一个远程挂载的网络文件系统（NFS）
2.运行一个辅助namenode，定期合并编辑日志与命名空间镜像。但发生故障时，辅助保存的状态总是滞后于主节点，这时一般把NFS上namenode元数据复制到辅助namenode上并作为新的主namenode运行。
（3）热备份namenode代替namenode，避免冷启动问题。因为新的namenode需要：1.将命名空间的镜像导入内存中；2.重演编辑日志；3.接收到足够多的来自datanode的数据块报告并退出安全模式。一般需要30min以上的时间。
三、块缓存
通常datanode从磁盘中读取块，对于访问频繁的文件，其对应的块可能被显式地缓存在datanode的内存中，以堆外块缓存（off-heap block cache）的形式存在。默认情况下，一个块仅缓存在一个datanode的内存中。
四、联邦HDFS
每个namenode维护一个命名空间卷（namespace volume），由命名空间的元数据（metadata 描述数据的数据， 文件名称 大小 所属人 地址 128k）和一个数据块池（block pool）组成，数据块池包含该命名空间下文件的所有数据块。namespace volume之间相互独立，数据块池不再进行切分，因此集群中的datanode需要注册到每个namenode中。