Hadoop——HDFS的构架

在使用一个工具之前，应该先对它的机制、组成等有深入的了解，以后才会更好的使用它。下面来介绍一下什么是HDFS，以及他的构架是什么样的。

1.什么是HDFS？

Hadoop主要是用于进行大数据处理，那么如何有效的存储大规模的数据呢？显然，集中式的物理服务器保存数据是不现实的，其容量、数据传输速度等都会成为瓶颈。那么要实现海量数据的存储，势必要使用十几台、几百台甚至是更多的分布式服务节点。那么，为了统一管理这些节点上存储的数据，必须要使用一种特殊的文件系统——分布式文件系统。HDFS（Hadoop Distributed File System）就是Hadoop提供的一个分布式文件系统。

HDFS具有大规模数据分布式存储能力、高并发访问能力、强大的容错能力、顺序式文件访问、简单的一致性模型（一次写多次读）、数据块存储模式等优点。

2.HDFS的基本框架

2.1 Architecture

HDFS一Master-Slave模式运行，主要由两类节点：一个NameNode（即Master）和多个DataNode（即Slave），其框架图如下图所示：

2.2  NameNode、DataNode、JobTracker和TaskTracker

1. NameNode是一个主服务器，用来管理整个文件系统的命名空间和元数据，以及处理来自外界的文件访问请求。

　 　　NameNode保存了文件系统的三种元数据：

• • 命名空间：即整个分布式文件系统的目录结构；
  • 数据块与文件名的映射表；
  • 每个数据块副本的位置信息，每一个数据块默认有3个副本。

　　2. DataNode。HDFS对外提供了命名空间，让用户的数据可以存储在文件中，但是在内部，文件可能被分成若干个数据块，DataNode用来实际存储和管理文件的数据块。

　　3. JobTracker对应于NameNode，TaskTracker对应于DataNode（如上图所示），NameNode与Datanode是针对数据存储而言的，JobTracker与TaskTracker是针对与MapReduce的执行而言的。

2.3 HDFS的基本文件访问过程

1. 用户的应用程序通过HDFS的哭护短程序将文件名发送至NameNode；
2. NameNode接收到文件名之后，在HDFS目录中检索文件名对应的数据块，在根据数据块信息找到保存数据块的DataNode地址，将这些地址送回客户端；
3. 客户端接收到这些DataNode地址之后，与这些DataNode并行的进行数据传输操作，同时将操作结果的相关日志提交到NameNode。

2.4 MapReduce的执行过程

1. JobClient会在客户端通过JobClient类将对应已经配置好的参数打包成Jar，存储到HDFS，并把路径提交到JobTracker，然后由JobTracker创建每一个Task（即Map Task和Reduce Task），并将它们分发到各个TaskTracker服务中执行；
2. JobTracker是一个master服务，软件启动后JobTracker接收Job，负责调度Job的每一个子任务task，并监控它们，如果发现有失败的Task就重新运行它；
3. TaskTracker是运行在多个节点上的Slave服务，运行在HDFS的DataNode节点上，主动与JobTracker通信，接收作业，并负责执行每一个任务。

2.5 SecondaryNameNode

Hadoop中使用SecondaryNameNode来备份NameNode备份NameNode的元数据，以便在NameNode失效时能从SecondaryNameNode恢复出NameNode上的元数据，它充当NameNode的一个副本，它本身并不处理任何请求，周期性保存NameNode的元数据

参考链接：

[1]. hadoop JobTracker和TaskTracker——http://wz102.blog.51cto.com/3588520/1327972

[2]. HDFS学习（三）—NameNode and DataNode——http://shitouer.cn/2012/12/hdfs-namenode-datanode/

[3]. 深入理解大数据-大数据处理与编程实践