1.HDFS架构图

2.基本概念

1.HDFS ：Hadoop Distributed File System。Hadoop的分布式文件系统。是基于《Google File System》做的开源实现。
2.HDFS的作用是存储海量数据。因为HDFS是一个分布式架构，可以无限扩展节点来存储数据
3.HDFS存储文件的特点是 ：块存储

4.HDFS的角色：①namenode ②datanode ③SecondaryNameNode
5.namenode：名字节点，是HDFS的管理者。最主要的职责是管理HDFS的元数据信息。
6.namenode也管理datanode的状态信息，通过rpc心跳机制来监测的。
7.元数据：Meta data。涵盖：文件名、文件大小、文件的切块数量、文件块的大小、副本数量以及每个文件块（包括副本）存储的位置信息。
300mb->3块 128mb\128mb\44mb
257mb->3块 128mb\128mb\1mb
8.namnode 不存储文件块，只存储和管理Meta data。namenode会将元数据存到内存里一份，目的是供用户快速查询。
9.namenode为了保证元数据信息的可靠性，会将元数据信息存到磁盘上。
会根据配置文件 core-site.xml里的hadoop.tmp.dir属性的路径来存储。
10.对于元数据的存储，有两个文件：①Edits 文件 ②Fsimage文件
Edits文件的作用：记录每个HDFS的操作。
Fsimage文件的作用：存储元数据信息
这两个文件会定期（3600s）合并，目的是为了确保Fsimage文件的元数据是最新的。

11.初次使用Hadoop时，需要执行格式化指令：hadoop namenode -format
此指令的本质作用是生成新的 Fsimage文件 和 Edits 文件。（因为新的Hadoop的环境是没有这两个文件的）
12.注意：格式化指令很危险，因为会清空之前所有的元数据信息。所以一定要慎用。
一般的做法是可以通过配置文件，让hadoop namenode -format 失效。
hdfs-site.xml
dfs.namenode.support.allow.format true

NN是否允许被格式化？在生产系统，把它设置为false，阻止任何格式化操作在一个运行的DFS上。建议初次格式化后，修改配置禁止，改成false
13.SNN的作用不仅仅是namenode的备份节点，而且会负责Edtis和Fsimage文件的合并。这样设计可以使得
NN和SNN都拥有元数据。
但是注意：SNN这个机制是有问题的，因为可能会造成元数据的丢失（不是实时热备）。所以SNN机制并没有解决NN的单点故障问题。SNN是Hadoop1.0的机制，在Hadoop2.0之后，已经舍弃了此机制。
14在Hadoop2.0中，如果用的单机的伪分布式模式，还是会看到SNN进程的。但是Hadoop2.0的完全分布式模型下，是没有SNN的。

15.每次HDFS启动时，namenode都会将Edits和Fsimage合并一次。目的是确保Fsimage文件的元数据是最新的
16.每次HDFS启动时，每台datanode都会namenode汇报自身文件块的存储情况。namenode收到这些信息后，会检测和统计文件块的数量是否满足要求，以及副本数量，以及文件数据是否损坏。如果检测有问题，会进行修复，在修复的过程中，HDFS会进入安全模式。
17.安全模式的特点：HDFS只能对外提供读服务，不能提供写服务。
手动进入：hadoop dfsadmin -safemode enter
手动退出：hadoop dfsadmin -safemode leave
补充：如果是伪分布式模式，副本数量要设置1。如果>1，会导致副本数量一直不能达到要求，会一直处于安全模式

18.对于Edits和Fsimage文件的合并，可以通过指令手动合并：hadoop dfsadmin -rollEdits
19.datanode。数据节点，专门用来存储文件块的
20.Block Size 。切块大小。 Hadoop1.0：64MB Hadoop2.0：128MB
举例：
1.txt 。大小：257MB =》①128MB ②128MB ③1MB
2.txt 。大小：100MB =》①100MB
补充：切块是以文件为单位的，不同的文件，不能共用一个文件块。此外，文件块多大，在磁盘就占多大。

21.问：HDFS是否适合存储海量的小文件？
不适合。因为会占用namenode节点大量的内存空间。因为每一条元数据大约占用150字节。
22.HDFS的适用场景
HDFS对于已上传的文件，是不允许修改的。所以 HDFS的适用场景是：once-write-many-read
一次写入，多次读取的场景。
补充：HDFS不允许修改，但允许数据追加。
23.HDFS 回收站机制：Hadoop回收站trash，默认是关闭的。
修改conf/core-site.xml,增加

fs.trash.interval
1440

value的时间单位是分钟，如果配置成0,表示不开启HDFS的回收站。
1440=24*60,表示的一天的回收间隔，即文件在回收站存在一天后，被清空。

3.HDFS架构—NN&SNN