本文共 766 字,大约阅读时间需要 2 分钟。
创始人:Doug cutting有两个有名的开源项目一个是搜索索引器Lucene,之后为了解决Lucene大规模数据问题,创建了Hadoop开源框架。其中Lucene是他妻子的名字,Hadoop是他儿子玩具大象的名字。
- Hadoop简介:两个重要的组成部分,存储和计算
- 分布式存储系统HDFS (Hadoop Distributed File System ) • 分布式存储系统 • 提供了 高可靠性、高扩展性和高吞吐率的数据存储服务
- 分布式计算框架MapReduce • 分布式计算框架 •具有 易于编程、高容错性和高扩展性等优点。
- HDFS优点:
- 高容错性 •数据自动保存多个副本 •副本丢失后,自动恢复
- 适合批处理 •移动计算而非数据 •数据位置暴露给计算框架
- 适合大数据处理 •GB 、TB 、甚至PB 级数据 •百万规模以上的文件数量 •10K+ 节点
- 可构建在廉价机器上 •通过多副本提高可靠性 •提供了容错和恢复机制
- HDFS缺点:这些缺点将是spark的改进部分
- 低延迟数据访问 •比如毫秒级 •低延迟与高吞吐率
- 小文件存取 •占用NameNode 大量内存 •寻道时间超过读取时间
- 并发写入、文件随机修改 •一个文件只能有一个写者 •仅支持append
- HDFS架构:
- HDFS设计思想: HDFS 数据存储单元(block)
- 文件被切分成固定大小的数据块 •默认数据块大小为64MB ,可配置 •若文件大小不到64MB ,则单独存成一个block
- 一个文件存储方式 •按大小被切分成若干个block ,存储到不同节点上 •默认情况下每个block都有三个副本
- Block大小和副本数通过Client端上传文件时设置,文件上传成功后副本数可以变更,Block Size不可变更
- HDFS写流程:
- HDFS读流程:
转载地址:http://mqepi.baihongyu.com/