1. HDFS 概念
1.1 概念
HDFS，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
HDFS的设计适合一次写入，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
1.2 组成
HDFS 集群包括，NameNode 和 DataNode 以及 Secondary Namenode
1、 NameNode负责管理整个文件系统的元数据，以及每一个路径（文件）所对应的数据块信息；
2、 DataNode负责管理用户的文件数据块，每一个数据块都可以在多个Datanode上存储多个副本；
3、 SecondaryNameNode用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照；
1.3 HDFS 文件块大小
HDFS 中的文件在物理上是分块存储（block），块的大小可以通过配置参数( dfs.blocksize)来规定，默认大小在 hadoop2.x 版本中是 128M，老版本中是 64M
HDFS 的块比磁盘的块大，其目的是为了最小化寻址开销
如果块设置得足够大，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
因而，传输一个由多个块组成的文件的时间取决于磁盘传输速率
如果寻址时间约为 10ms，而传输速率为 100MB/s，为了使寻址时间仅占传输时间的 1%，我们要将块大小设置约为100MB
块的大小：10ms100100M/s = 100M