Dream------Hadoop--HDFS的设计

HDFS是为以流式数据访问模式存储超大文件而设计的文件系统。

 

流式数据访问

HDFS建立在这样一个思想上:一次写入、多次读取模式是最高效的。一个数据集通常由数据源生成或复制，

接着在此基础上进行各种各样的分析。每个分析至少都会涉及数据集中的大部分数据(设置全部)，因此读取整个

数据集的时间比读取第一条记录的延迟更为重要。

 

商用硬件

Hadoop不需要运行在昂贵并且高可靠性的硬件上。它被设计运行在商用硬件（在各种零售店都能买到的普通硬件）

的集群上，因此至少对于大的集群来说，节点故障的几率还是比较高的。HDFS在面对这种故障时，被设计为能够

继续运行而让用户察觉不到明显的中断。

 

同时，那些并不适合HDFS的应用也是值得研究的。在目前，HDFS还不太适合用于某些领域，不过日后可能会有所改进。

 

低延迟数据访问

    需要低延迟访问数据在毫秒级范围内的应用并不适合HDFS。HDFS是为达到高数据吞吐量而优化的，这有可能会以延迟为代价。目前，对于低延迟访问，HBase是更好的选择

大量的小文件

    namenode节点存储着文件系统的元数据，因此文件数量的限制也由namenode节点的内存量决定。根据经验，每个文件，索引目录以及块占大约150个字节。因此，举例来说，如果有一百万个文件，每个文件占一个块，就至少需要300MB的内存。虽然存储上百万的文件是可行的，十亿或更多的文件就超出目前硬件的能力了。

 

多用户写入，任意修改文件

HDFS中的文件只有一个写入者，而且写操作总是在文件的末尾。它不支持多个写入者，或是在文件的任意位置修改。

（可能在以后这些会被支持，但他们也相对不那么高效）