大数据小白系列——HDFS(4)

这里是大数据小白系列，这是本系列的第四篇，来看一个真实世界Hadoop集群的规模，以及我们为什么需要Hadoop Federation。

首先，我们先要来个直观的印象，这是你以为的Hadoop集群：

这是真实世界的Hadoop集群：

因为，NameNode(下称NN)中的元数据记录了各个数据块的存储位置。

所以，元数据的大小，与数据块的数量成正比。

当集群存储的数据规模到达一定程度时，NN将成为整套系统中的瓶颈所在。NN的存储能力是有限的，不管是磁盘存储还是内存存储。

为了解决这个问题，HDFS中引入了联邦(Federation)的概念。

联邦：由若干具有国家性质的行政区域（有国、邦、州等不同名称）联合而成的统一国家，各行政区域有自己的宪法、立法机关和政府，联邦也有统一的宪法、立法机关和政府。—— 维基百科

体现在HDFS上，就是“集权”到“分权”的过程，引入了多对NN(Active NN + Standby NN这里称为一对)，让他们各自实现“区域自治”。

物理上是这样的，所有的DN(DataNode)需向所有的NN汇报状态。

逻辑上是这样的，一对NN只负责管理属于自己名称空间下的目录。

因此，并不是某对NN管理某些DN，而是对HDFS进行划分，即逻辑划分。

上面这样规模的集群，有可能划分出数十个“邦”，各自管理“邦”内的数据，这样就基本实现了NN的水平扩展，同时，还对提高整个系统的可用性有帮助，毕竟，某一对NN宕机，只会对系统产生局部影响。

注：HDFS联邦并不强制要求各NN都做HA，只是通常是这样配置的，即每个“邦”的NN都是成对出现的。

好了，关于HDFS的所有介绍就先到这，那些没讲到的，都不重要(误)，下期我们将开始介绍新的内容：MapReduce的基本概念。Cheers!

---

公众号 程序员杂书馆，大数据内容持续更新中，欢迎关注！