1. HDFS体系结构

HDFS支持大文件，以流的方式访问数据，数据分布在数据节点（Data Node），文件的元数据保存在名字节点（Name Node）。名字节点的内存大小，决定了HDFS文件系统可保存的文件数量，所以大量小文件会影响名字节点的性能（尽管名字节点内存都较大）。

1.1 数据块Block

默认Block最大为64MB，Block的概念可以使HDFS支持保存比单一磁盘大的文件。

Block包含三个属性：blockId（唯一标识）、numBytes（块大小）、generationStamp（版本号、时间戳）

其中generationStamp用于数据一致性检查，每当数据块后成功添加数据后，都会更新generationStamp，blockId一样，但generationStamp不一样的，表示数据块有无效的。

blockId如果是12345，那么数据库名为blk_12345。

1.2 名字节点和第二名字节点

NameNode存储文件目录树，文件/目录的元信息及文件的数据块索引———NameNode第一关系。

1. 命名空间镜像（File System Image，FSImage）：保存某一特定时刻HDFS的NameNode状态。
2. 命名空间镜像的编辑日志（Edit Log）：存储FSImage后续的信息改动。

第二名字节点（Secondary NameNode，SNN）用于定期合并FSImage和Edit Log的辅助守护进程。合并好的FSImage会替换NameNode上的FSImage并清空Edit Log。

1.3 数据节点

DataNode守护进程：将HDFS Block写入Linux实际文件系统中，or 读取实际文件到HDFS Block。

对于类DatanodeID包含以下成员变量：

1. name：字符串，ip（or主机名）与端口号对
2. storageID：数据节点的存储标识，在NameNode注册时用。
3. infoPort：WWW服务器的监听端口。
4. ipcPort：IPC服务器监听端口，对于客户端而言，该接口提供了ClientDatanodeProtocol服务。

NameNode----（握手、注册、数据块上报、心跳）----DataNode

• 握手：DataNodeProtocol.versionRequest()
• 注册：DataNodeProtocol.register()
• 上报：DataNodeProtocol.blockReport()
• 心跳：DataNodeProtocol.sendHeartbeat()

1.4 客户端

包括命令行接口、Java API等。

与客户端相关的接口：ClientProtocol（NameNode）和ClientDatanodeProtocol。

HDFS