HDFS的体系架构

通过对Hadoop分布式计算平台最核心的分布式文件系统HDFS、MapReduce处理过程，以及数据仓库工具Hive和分布式数据库Hbase的介绍。基本涵盖了Hadoop分布式平台的全部技术核心。

HDFS的体系架构

整个Hadoop的体系结构主要是通过HDFS来实现对分布式存储的底层支持，并通过MR来实现对分布式并行任务处理的程序支持。

HDFS採用主从（Master/Slave）结构模型。一个HDFS集群是由一个多个Namenode和多个DataNode组成的(hadoop2.2以后支持多个Namenode)

NameNode作为主server。管理文件系统命名空间和client对文件的訪问操作。

DataNode管理存储的数据。

HDFS支持文件形式的数据。

从内部来看。文件被分成若干个数据块，这若干个数据块存放在一组DataNode上。NameNode运行文件系统的命名空间，如打开、关闭、重命名文件或文件夹等，也负责数据块到详细DataNode的映射。DataNode负责处理文件系统client的文件读写，并在NameNode的统一调度下进行数据库的创建、删除和复制工作。

NameNode是全部HDFS元数据的管理者。用户数据永远不会经过NameNode。

文件写入：

1）  Client向NameNode发起文件写入的请求。

2）  NameNode依据文件大小和文件块配置情况，返回给Client它管理的DataNode的信息。

3）  Client将文件划分为多个block，依据DataNode的地址，按顺序将block写入DataNode块中。

文件读取：

1）  Client向NameNode发起读取文件的请求。

2）  NameNode返回文件存储的DataNode信息。

3）  Client读取文件信息。

HDFS作为分布式文件系统在数据管理方面可借鉴点：

文件块的放置：一个Block会有三份备份，一份在NameNode指定的DateNode上，一份放在与指定的DataNode不在同一台机器的DataNode上，一根在于指定的DataNode在同一Rack上的DataNode上。

备份的目的是为了数据安全。採用这样的方式是为了考虑到同一Rack失败的情况，以及不同数据拷贝带来的性能的问题。

关于Rack的介绍:

http://www.cnblogs.com/ggjucheng/archive/2013/01/03/2843015.html