概述

HDFS是Hadoop distribute file system的简称，意味：Hadoop分布式文件系统
HDFS是Hadoop核心组件之一，作为大数据生态圈最底层的分布式存储服务而存在
HDFS解决的问题就是大数据如何存储，它是横跨在多台计算机上的文件存储系统并且具有高度的容错能力

HDFS架构图

HDFS集群遵循主从架构（master/slave）。通常包括一个主节点和多个从节点
在内部，文件分块存储，每个块根据复制因子存储在不同的从节点计算机上形成备份
主节点存储和管理文件系统namespace，即有关文件块的信息，例如块位置，权限等；从节点存储文件的数据块
主从各司其职，相互配合，共同对外提供文件分布式存储服务。当然内部细节对用户来说是透明的

整体概述

HDFS遵循主从架构
namenode是主节点，负责存储和管理文件系统元数据信息，包括namespace目录结构，文件块位置信息等
datanode是从节点，负责存储文件具体的数据块
两种角色各司其职，共同协调完成分布式的文件存储服务
secondarynamenode是主角色的辅助角色，帮助主角色进行元数据的合并

主角色：namenode

namenode是Hadoop分布式系统的核心，架构中的主角色
namenode维护和管理文件系统元数据，包括名称空间目录树结构，文件和块的位置信息，访问权限等信息
基于此，namenode成为访问HDFS的唯一入口
namenode内部通过内存和磁盘文件两种方式管理元数据
其中磁盘上的元数据文件包括simage内存元数据镜像文件和edits log（Journal）编辑日志
在Hadoop2之前，namenode是单点故障。Hadoop2中引入高可用性。Hadoop集群体系结构允许在集群中以热备配置运行两个或多个namenode

fsimage内存元数据镜像文件

fsimage 是 Hadoop 分布式文件系统（HDFS）的内存元数据镜像文件。它包含了关于文件系统命名空间、文件块信息、权限和属性等元数据的详细记录。

fsimage 文件是 HDFS 中重要的元数据文件，用于恢复文件系统的状态和内容。当 HDFS 启动时，它会读取 fsimage 文件并将其中的元数据加载到内存中，以便提供文件系统的元数据服务。当文件系统发生变化时（如创建、删除或修改文件），HDFS 会将这些变化记录在编辑日志（edits log）中，然后可以根据编辑日志和当前的 fsimage 文件来恢复文件系统的状态。

由于 fsimage 文件是完整的元数据镜像，它可以在文件系统启动时快速加载到内存，从而加快了文件系统的启动速度。此外，fsimage 文件还可以进行压缩来减小文件大小，并且可以定期生成检查点，以保证文件系统的一致性和可靠性。

需要注意的是，fsimage 文件只包含元数据信息，不包含实际的文件数据。实际的文件数据存储在 HDFS 的数据块中，而不是 fsimage 文件中。

总结起来，fsimage 文件是 HDFS 中的内存元数据镜像文件，用于恢复文件系统的状态和内容。通过读取 fsimage 文件和编辑日志，HDFS 可以在启动时加载元数据并提供文件系统的服务。

edits log（Journal）编辑日志

edits log（也称为编辑日志）是 Hadoop 分布式文件系统（HDFS）中的一种日志文件，用于记录对文件系统的变更操作。

在 HDFS 中，当发生文件系统的变更操作时，例如创建、删除、重命名文件或目录，以及修改文件的权限或属性，这些变更将会被记录在 edits log 中。edits log 记录了文件系统的逻辑操作，而不是实际的数据块内容。

edits log 具有持久性和顺序性的特点。它是一个追加写日志文件，新的变更操作将会被追加到日志文件的末尾。这种顺序写入的方式使得 HDFS 可以快速写入变更操作，同时保证了操作的顺序性。

通过记录变更操作在 edits log 中，HDFS 可以保证数据的一致性和可恢复性。当文件系统启动时，HDFS 会加载 fsimage 文件和最后一个 edits log 文件，并根据其中的操作重放文件系统的变更过程，从而恢复文件系统的状态。这个过程被称为“日志回放”（log replay）。

在运行过程中，HDFS 会定期将 edits log 合并成较大的文件，并创建一个新的空的 edits log 文件，以减少日志文件的数量和提高效率。

总结起来，edits log 是 HDFS 中的一种日志文件，用于记录对文件系统的变更操作。它具有持久性和顺序性特点，通过日志回放，HDFS 可以恢复文件系统的状态并保证数据的一致性和可恢复性。

从角色：datanode

datanode是Hadoop HDFS中的从角色，负责具体的数据块存储
datanode的数量决定了HDFS集群的整体数据存储能力，通过和namenode配合维护着数据块

主角色辅助角色：secondarynamenode

除了datanode和namenode之外，还有lingerie守护进程，它称为secondarynamenode。充当namenode的辅助节点，但不能替代namenode
当namenode启动时，namenode合并Fsimage和edits log文件以还原当前文件系统名称空间。如果edits log过大不利于加载，secondarynamonode就辅助namenode从namenode下载Fsimage文件和edits log文件进行合并

重要特性

主从架构

HDFS采用master/slave架构。一般一个HDFS集群是有一个namenode和一定数目的datanode组成
namonode是HDFS主角点，datanode是HDFS从节点，两种角色各司其职，共同协调完成分布式的文件存储服务

分块存储机制

HDFS中的文件在物理上是分块存储（block）的，快的大小可以通过配置参数来规定，参数位于hdfs-default.xml中：dfs：blocksize，默认大小是128m

副本机制

文件的所有block都会有副本。每个文件的block大小（dfs.blocksize)和副本系数（dfs.replication)都是可配置的。副本系数可以在文件创建的时候指定，也可以在之后通过命令改变
默认dfs.replication的值是3，也就是会额外再复制2份，连同本身共3份副本

在这里插入图片描述

namespace

HDFS支持传统的层次型文件组织结构。用户可以创建目录然后将文件保存在这些目录里。文件系统名字空间的层次结构和大多数现有的文件系统类似：用户可以创建，删除，移动或重命名文件
namenode负责维护文件系统的namespace名称空间，任何对文件系统名称空间或属性的修改都将被namenode记录下来
HDFS会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，例如：hdfs://namenode:port/dir-a/dir-b/dir-c/file-data

在这里插入图片描述