HDFS引入
HDFS 是分布式文件系统,首先我们来看一下什么是文件系统
文件系统
文件系统:
看得见的
文件治理:拿windows系统举例,咱们能够看到有各类盘符,盘符下面有各类目录以及文件
看不见的
块(block)治理:文件实际存放的位置是在磁盘中的块内
单机文件系统
windows
FAT16、FAT32、NTFS等等
linux
ext2/3/4、xfs
分布式文件系统
将数据交给多个办事器进行处理
Nutch
之前的文章能够看到 Nutch使用分布式存储解决了数据存放的问题,具体实现体式是如何的呢?又与HDFS有何渊源呢?
由收集爬虫爬取数据
此时挪用drive,这里driver首要做了两件事
存储medatada
文件名、建立时间、文件巨细
文件与块(block)的对应关系
块(block)与机械的对应关系
存储block
最后索引办事器挪用driver的metadata到对应的办事器取对应的块信息进行剖析,生成索引文件
索引文件:要害字 --> [ file1,file2,…… ]
HDFS
这时我们把driver功能抽离出来成为一个通用的功能:HDFS
HDFS会有两种历程:
NameNode:
文件名、建立时间、文件巨细
文件与块(block)的对应关系
块(block)与DataNode的对应关系
DataNode:存放block
在上图中
机械A,B,C上都邑启动一个DataNode历程用来和NameNode通信以及进行实际的文件把持
机械D上启动一个NameNode,存放metadata信息以及和DataNode通信
当有文件把持恳求时,会向机械D中的NameNode历程扣问metadata信息,机械D中的NameNode历程会将对应究竟返回给client
client 凭据NameNode返回的究竟去对应的DataNode上执行实际的文件把持
HDFS组件
NameNode
主节点,存储文件的metadata(文件名、文件目录、文件属性:生成时间,副本数,文件权限等),以及每个文件的块列表和块地点的DataNode等
DataNode
内陆文件系统存储文件块数据,以及块数据的校验和
校验和首要是为了防止在收集通信过程中,block发生损坏,进而包管数据一致性
SecondaryNameNode
监控HDFS状况的辅助后台法式,每隔一段时间获取HDFS的metadata快照
分管NameNode压力,归并编纂日志文件(edits)和镜像文件(fsimage),将最终的镜像文件交给NameNode
当客户端恳求过来之后,先写入编纂日志文件内,隔一段时间需要和镜像文件进行归并,这个把持非常占用资源,影响客户端恳求质量,所以将这个把持交给SecondaryNameNode进行处理,将最终的镜像文件交给NameNode