真正的学习是去探索，思考和重建
HDFS 产生背景
随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统。HDFS 只是分布式文件管理系统中的一种。
HDFS 定义
HDFS（Hadoop Distributed File System），它是一个文件系统，用于存储文件，通过目录树来定位文件；其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色
关键词：文件系统，分布式
使用场景
适合一次写入，多次读出的场景，且不支持文件的修改。适合用来做数据分析，并不适合用来做网盘应用
优点
-
高容错性
（1）数据自动保存多个副本。它通过增加副本的形式，提高容错性。（2）某一个副本丢失以后，它可以自动恢复 -
适合处理大数据
（1）数据规模：能够处理数据规模达到 GB、TB、甚至 PB 级别的数据：（2）文件规模：能够处理百万规模以上的文件数量，数量相当之大（3）可构建在廉价机器上，通过多副本机制，提高可靠性
缺点
- 不适合低延时数据访问，比如毫秒级的存储数据，是做不到的
- 无法高效的对大量小文件进行存储
（1）存储大量小文件的话，它会占用 Namenode 大量的内存来存储文件目录和块信息。这样是不可取的，因为 Namenode 的内存总是有限的：（2）小文件存储的寻址时间会超过读取时间，它违反了 HDFS 的设计目标。- 不支持并发写入、文件随机修改 HDFS
（1）一个文件只能有一个写，不允许多个线程同时写：（2）仅支持数据 append（追加），不支持文件的随机修改 HDFS 组成架构图
HDFS 文件块大小
思考：快为什么不能设置太小，也不能设置太大呢？
（1）HDFS 的块设置太小，会增加寻址时间，程序一直在找块的开始位置：
（2）HDFS 的块比磁盘的块大，其目的是为了最小化寻址开销：
（3）如果块设置的太大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。导致程序在处理这块数据时，会非常慢。总结：HDFS 块的大小设置主要取决于磁盘传输速率。
相关资料
本文配套 GitHub：https://github.com/zhutiansam…