大数据入门与实战-Hadoop核心HDFS

Hadoop简介

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。
详情见：Hadoop基本介绍

一、 HDFS概念及优缺点

1. 应用场景与特点

• 普通的成百上千的机器
• 按TB甚至PB为单位的大量的数据
• 简单便捷的文件获取

3. HDFS概念
   数据块是抽象块而非整个文件作为存储单元，默认大小为64MB，一般设置为128M，备份x3
   
   

NameNode 管理文件系统的命名空间，存放文件元数据，维护着文件系统的所有文件和目录，文件与数据快的反射，记录每个文件中各个块所在数据节点的信息

DataNode存储检索数据块，向NameNode更新所存储块的列表

3. HDFS优点

• 适合大文件存储，支持TB，PB级的数据存储
• 可以构建在廉价的机器上，并有一定的容错和恢复机制
• 支持流式数据访问，一次写入、多次读取最高效

4. HDFS缺点

• 不适合大量小文件存储
• 不适合并发写入，不支持文件随机修改
• 不支持随机读等低延时的访问方式

二、HDFS写流程与读流程

HDFS写流程：(1)客户端向NameNode发起写数据请求（2）分块写入DateNode节点，DataNode自动完成副本备份（3）DataNode向NameNode汇报存储完成，NameNode通知客户端

HDFS读流程：（1）客户端向NameNode发起读数据请求（2）NameNode找出距离最近的DataNode节点信息（3）客户端从DataNode分块下载文件

三、Shell命令操作HDFS

将home下的mk.txt上传到hdfs

四 、Python程序操作HDFS

hdfs3:http://hdfs3.readthedocs.io/en/latest/