一、HDFS概念
HDFS（Hadoop Distributed File System）是Hadoop項目的核心子項目，是分布式計算中數據存儲管理的基礎，是基於流數據模式訪問和處理超大文件的需求而開發的，可以運行於廉價的商用服務器上。它所具有的高容錯、高可靠性、高可擴展性、高獲得性、高吞吐率等特征為海量數據提供了不怕故障的存儲，為超大數據集（Large Data Set）的應用處理帶來了很多便利。
hadoop前提和設計目標：
- 硬件錯誤是常態
- 數據的批處理而不是數據與用戶的交互，從而提升數據的高吞吐量
- 大規模數據集，存儲大文件和非常多個單個文件
- 滿足一次寫入多次使用
- 移動計算比移動數據更划算
- 異構軟硬件的可可移植性
二、HDFS優缺點
1、高容錯性
- 數據自動保存多個副本。它通過增加副本的形式，提高容錯性。
- 某一個副本丟失以后，它可以自動恢復，這是由 HDFS內部機制實現的，我們不必關心。
2、適合批處理
- 它是通過移動計算而不是移動數據。
- 它會把數據位置暴露給計算框架。
3、適合大數據處理
- 處理數據達到 GB、TB、甚至PB級別的數據。
- 能夠處理百萬規模以上的文件數量，數量相當之大。
- 能夠處理10K節點的規模。
4、流式文件訪問
- 一次寫入，多次讀取。文件一旦寫入不能修改，只能追加。
- 它能保證數據的一致性。
5、可構建在廉價機器上
- 它通過多副本機制，提高可靠性。
- 它提供了容錯和恢復機制。比如某一個副本丟失，可以通過其它副本來恢復。
當然 HDFS 也有它的劣勢，並不適合所有的場合：
1、低延時數據訪問
- 比如毫秒級的來存儲數據，這是不行的，它做不到。
- 它適合高吞吐率的場景，就是在某一時間內寫入大量的數據。但是它在低延時的情況下是不行的，比如毫秒級以內讀取數據，這樣它是很難做到的。
2、小文件存儲
- 存儲大量小文件(這里的小文件是指小於HDFS系統的Block大小的文件（默認64M）)的話，它會占用 NameNode大量的內存來存儲文件、目錄和塊信息。這樣是不可取的，因為NameNode的內存總是有限的。
- 小文件存儲的尋道時間會超過讀取時間，它違反了HDFS的設計目標。
3、並發寫入、文件隨機修改 - 一個文件只能有一個寫，不允許多個線程同時寫。
- 僅支持數據 append（追加），不支持文件的隨機修改。
四、HDFS如何存儲
HDFS的架構圖:
HDFS 采用Master/Slave的架構來存儲數據，這種架構主要由四個部分組成，分別為HDFS Client、NameNode、DataNode和Secondary NameNode。下面我們分別介紹這四個組成部分:
1、Client：就是客戶端。
- 文件切分。文件上傳 HDFS 的時候，Client 將文件切分成 一個一個的Block，然后進行存儲。
- 與 NameNode 交互，獲取文件的位置信息。
- 與 DataNode 交互，讀取或者寫入數據。
- Client 提供一些命令來管理 HDFS，比如啟動或者關閉HDFS。
- Client 可以通過一些命令來訪問 HDFS。
2、NameNode：就是 master，它是一個主管、管理者。
- 管理 HDFS 的名稱空間
- 管理數據塊（Block）映射信息
- 配置副本策略
- 處理客戶端讀寫請求。
3、DataNode：就是Slave。NameNode 下達命令，DataNode 執行實際的操作。
- 存儲實際的數據塊。
- 執行數據塊的讀/寫操作。
4、Secondary NameNode：並非 NameNode 的熱備。當NameNode 掛掉的時候，它並不能馬上替換 NameNode 並提供服務。
- 輔助 NameNode，分擔其工作量。
- 定期合並 fsimage和fsedits，並推送給NameNode。
- 在緊急情況下，可輔助恢復 NameNode。
HDFS 如何讀取文件
HDFS的文件讀取原理，主要包括以下幾個步驟：
- 首先調用FileSystem對象的open方法，其實獲取的是一個DistributedFileSystem的實例。
- DistributedFileSystem通過RPC(遠程過程調用)獲得文件的第一批block的locations，同一block按照重復數會返回多個locations，這些locations按照hadoop拓撲結構排序，距離客戶端近的排在前面。
- 前兩步會返回一個FSDataInputStream對象，該對象會被封裝成 DFSInputStream對象，DFSInputStream可以方便的管理datanode和namenode數據流。客戶端調用read方法，DFSInputStream就會找出離客戶端最近的datanode並連接datanode。
- 數據從datanode源源不斷的流向客戶端。
- 如果第一個block塊的數據讀完了，就會關閉指向第一個block塊的datanode連接，接着讀取下一個block塊。這些操作對客戶端來說是透明的，從客戶端的角度來看只是讀一個持續不斷的流。
- 如果第一批block都讀完了，DFSInputStream就會去namenode拿下一批blocks的location，然后繼續讀，如果所有的block塊都讀完，這時就會關閉掉所有的流。
HDFS 如何寫入文件
HDFS的文件寫入原理，主要包括以下幾個步驟：
- 客戶端通過調用 DistributedFileSystem 的create方法，創建一個新的文件。
- DistributedFileSystem 通過 RPC（遠程過程調用）調用 NameNode，去創建一個沒有blocks關聯的新文件。創建前，NameNode 會做各種校驗，比如文件是否存在，客戶端有無權限去創建等。如果校驗通過，NameNode 就會記錄下新文件，否則就會拋出IO異常。
- 前兩步結束后會返回 FSDataOutputStream 的對象，和讀文件的時候相似，FSDataOutputStream 被封裝成 DFSOutputStream，DFSOutputStream 可以協調 NameNode和 DataNode。客戶端開始寫數據到DFSOutputStream,DFSOutputStream會把數據切成一個個小packet，然后排成隊列 data queue。
- DataStreamer 會去處理接受 data queue，它先問詢 NameNode 這個新的 block 最適合存儲的在哪幾個DataNode里，比如重復數是3，那么就找到3個最適合的 DataNode，把它們排成一個 pipeline。DataStreamer 把 packet 按隊列輸出到管道的第一個 DataNode 中，第一個 DataNode又把 packet 輸出到第二個 DataNode 中，以此類推。
- DFSOutputStream 還有一個隊列叫 ack queue，也是由 packet 組成，等待DataNode的收到響應，當pipeline中的所有DataNode都表示已經收到的時候，這時akc queue才會把對應的packet包移除掉。
- 客戶端完成寫數據后，調用close方法關閉寫入流。
- DataStreamer 把剩余的包都刷到 pipeline 里，然后等待 ack 信息，收到最后一個 ack 后，通知 DataNode 把文件標示為已完成。
數據的復制
數據復制，hadoop默認為復制三份，一個DataNode存儲兩份，另一個DataNode存儲一個。Namenode管理這些復制的位置，並且監聽每個DataNode,如果dataNode宕機了，namenode就能夠監聽到，並后續的存儲不會存儲到該DataNode，並且計算每個副本的數量，如果副本的數量低於一個閾值時，這啟動復制程序。
數據的復制，是Namenode先講文件存儲到臨時文件中，直到該臨時文件達到預先設置的大小塊，則將該文件復制到一個DataNode,復制完成后繼續下一個節點復制。
數據刪除
文件的恢復與刪除，文件刪除后，不是直接刪除，而是將數據放置到如window時垃圾站內，hadoop將刪除的數據放置於/trash目錄下，有一個過期時間，到時間了，就會將數據從/trash目錄中刪除，之后文件永久在hadoop消失，不可恢復。存儲在/trash文件也可以恢復。