只要你是天鹅蛋，就是生在养鸡场里也没有什么关系。——《安徒生童话》

1、概述

1.1 设计思想

分而治之：将大文件、大批量文件，分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析；

1.2 在大数据系统中作用

为各类分布式运算框架（如：mapreduce，spark，tez，……）提供数据存储服务

重点概念：文件切块，副本存放，元数据

1.3 HDFS的概念和特性

1.3.1 概念

(1)首先，它是一个文件系统，用于存储文件，通过统一的命名空间——目录树来定位文件;

(2)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；

1.3.2 重要特性

(1)HDFS中的文件在物理上是分块存储（block），块的大小可以通过配置参数( dfs.blocksize)来规定，默认大小在hadoop2.x版本中是128M，老版本中是64M;

(2)HDFS文件系统会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data;

(3)目录结构及文件分块信息(元数据)的管理由namenode节点承担
——namenode是HDFS集群主节点，负责维护整个hdfs文件系统的目录树，以及每一个路径（文件）所对应的block块信息（block的id，及所在的datanode服务器）;

(4)文件的各个block的存储管理由datanode节点承担
—- datanode是HDFS集群从节点，每一个block都可以在多个datanode上存储多个副本（副本数量也可以通过参数设置dfs.replication）;

(5)HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改;

(6) 注意：适合用来做数据分析，并不适合用来做网盘应用，因为，不便修改，延迟大，网络开销大，成本太高。

2、HDFS工作机制

2.1 概述

1. HDFS集群分为两大角色：NameNode、DataNode (Secondary Namenode)；
2. NameNode负责管理整个文件系统的元数据；
3. DataNode 负责管理用户的文件数据块；
4. 文件会按照固定的大小（blocksize）切成若干块后分布式存储在若干台datanode上；
5. 每一个文件块可以有多个副本，并存放在不同的datanode上；
6. Datanode会定期向Namenode汇报自身所保存的文件block信息，而namenode则会负责保持文件的副本数量；
7. HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向namenode申请来进行；

2.2 HDFS写数据流程

2.2.1 概述过程

客户端要向HDFS写数据，首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode，然后，客户端按顺序将文件逐个block传递给相应datanode，并由接收到block的datanode负责向其他datanode复制block的副本。

2.2.2 详细过程

1、客户端跟namenode通信请求上传文件,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、client请求第一个 block该传输到哪些datanode服务器上；
4、namenode返回3个datanode服务器dn1, dn3, dn4;
5、client请求3台dn中的一台dn1上传数据（本质上是一个RPC调用，建立pipeline, dn1收到请求会继续调用dn3，然后dn3调用dn4，将整个pipeline建立完成;
6、将整个pipeline建立完成，逐级应答返回客户端;
7、client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(64k)为单位传输，以chunk（512byte）为单位进行校验，dn1收到一个packet就会传给dn3，dn3传给dn4；dn1每传一个packet会放入一个应答队列等待应答。
8、当一个block上传成功，就算成功，namenode会做异步的同步，每传一个block都会向namenode请求。当一个block传输完成之后，client再次请求namenode上传第二个block的服务器。

2.3 HDFS读数据流程

2.3.1 概述过程

客户端将要读取的文件路径发送给namenode，namenode获取文件的元信息（主要是block的存放位置信息）返回给客户端，客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件。

2.3.2 详细过程

1、客户端向namenode请求下载文件；
2、namenode查询元数据，找到文件块所在的datanode服务器，返回文件的元数据；
3、挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流；
4、datanode开始发送数据（从磁盘里面读取数据放入流，以packet为单位来做校验）
5、客户端以packet为单位接收，先在本地缓存，然后写入目标文件。

3、namenode工作机制

3.1 namenode职责

（1）负责客户端请求的响应；
（2）元数据的管理（查询，修改）。

3.2 元数据管理

namenode对数据的管理采用了三种存储形式：
内存元数据(NameSystem)
磁盘元数据镜像文件
数据操作日志文件（可通过日志运算出元数据）

3.2.1 元数据存储机制

A、内存中有一份完整的元数据(内存meta data)
B、磁盘有一个“准完整”的元数据镜像（fsimage）文件(在namenode的工作目录中)
C、用于衔接内存metadata和持久化元数据镜像fsimage之间的操作日志（edits文件）注：当客户端对hdfs中的文件进行新增或者修改操作，操作记录首先被记入edits日志文件中，当客户端操作成功后，相应的元数据会更新到内存meta.data中

3.2.2 元数据手动查看

可以通过hdfs的一个工具来查看edits中的信息
bin/hdfs oev -i edits -o edits.xml
bin/hdfs oiv -i fsimage_0000000000000000087 -p XML -o fsimage.xml

3.2.3 元数据的checkpoint

每隔一段时间，会由secondary namenode将namenode上积累的所有edits和一个最新的fsimage下载到本地，并加载到内存进行merge（这个过程称为checkpoint）。

1、更新内存metadata元数据；
2、记录更新的操作日志；
3、namenode滚动在在写的日志文件；
4、将日志文件和元数据镜像fsimage下载到secondary namenode；
5、secondary namenode将元数据镜像fsimage加载到内存，然后执行日志文件；
6、执行完成后dump到本地；
7、将新的元数据镜像fsimage.checkpoint上传到namenode;
8、将fsimage.checkpoint重命名成fsimage;

checkpoint的触发条件：
（1） 距离上次checkpoint的时间间隔 >= dfs.namenode.checkpoint.period；（2）Edits中的事务条数达到{dfs.namenode.checkpoint.txns}限制；
这两个条件任何一个被满足了，就触发一次检查点创建。

注意：namenode和secondary namenode的工作目录存储结构完全相同，所以，当namenode故障退出需要重新恢复时，可以从secondary namenode的工作目录中将fsimage拷贝到namenode的工作目录，以恢复namenode的元数据。

4、datanode的工作机制

4.1 dataname职责

存储管理用户的文件块数据
定期向namenode汇报自身所持有的block信息（通过心跳信息上报）
（这点很重要，因为，当集群中发生某些block副本失效时，集群如何恢复block初始副本数量的问题）

4.2 datanode掉线判断时限参数

datanode进程死亡或者网络故障造成datanode无法与namenode通信，namenode不会立即把该节点判定为死亡，要经过一段时间，这段时间暂称作超时时长。HDFS默认的超时时长为10分钟+30秒。如果定义超时时间为timeout，则超时时长的计算公式为：
timeout = 2 * heartbeat.recheck.interval + 10 * dfs.heartbeat.interval。
而默认的heartbeat.recheck.interval 大小为5分钟，dfs.heartbeat.interval默认为3秒。
需要注意的是hdfs-site.xml 配置文件中的heartbeat.recheck.interval的单位为毫秒，dfs.heartbeat.interval的单位为秒。所以，举个例子，如果heartbeat.recheck.interval设置为5000（毫秒），dfs.heartbeat.interval设置为3（秒，默认），则总的超时时间为40秒。

5、总结（百度百科）

Hadoop分布式文件系统(HDFS)被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统。它和现有的分布式文件系统有很多共同点。但同时，它和其他的分布式文件系统的区别也是很明显的。HDFS是一个高度容错性的系统，适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。HDFS放宽了一部分POSIX约束，来实现流式读取文件系统数据的目的。HDFS在最开始是作为Apache Nutch搜索引擎项目的基础架构而开发的。HDFS是Apache Hadoop Core项目的一部分。
HDFS有着高容错性（fault-tolerant）的特点，并且设计用来部署在低廉的（low-cost）硬件上。而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求（requirements）这样可以实现流的形式访问（streaming access）文件系统中的数据。

还需要探讨的问题，HDFS的高容错性？