Chapter3-厦门大学-林子雨-大数据技术原理与应用-第三章-分布式文件系统HDFS知识讲稿.ppt

《大数据技术原理与应用》 厦门大学计算机科学系 林子雨 ziyulin@ 厦门大学计算机科学系 2015年版 林子雨 厦门大学计算机科学系 E-mail: ziyulin@ 主页：/linziyu 第三章 分布式文件系统HDFS （PPT版本号：2015年6月第1.0版） 《大数据技术原理与应用》 /post/bigdata 温馨提示：编辑幻灯片母版，可以修改每页PPT的厦大校徽和底部文字 提纲 3.1 分布式文件系统 3.2 HDFS简介 3.3 HDFS相关概念 3.4 HDFS体系结构 3.5 HDFS存储原理 3.6 HDFS大数据读写过程 3.7 HDFS编程实践 欢迎访问《大数据技术原理与应用》教材官方网站： /post/bigdata 本PPT是如下教材的配套讲义： 21世纪高等教育计算机规划教材 《大数据技术原理与应用 ——概念、存储、处理、分析与应用》 （2015年6月第1版） 厦门大学 林子雨 编著，人民邮电出版社 ISBN:978-7-115-39287-9 3.1 分布式文件系统 3.1.1 计算机集群结构 3.1.2 分布式文件系统的结构 3.1.3 分布式文件系统的设计需求 3.1.1 计算机集群结构 分布式文件系统把文件分布存储到多个计算机节点上，成千上万的计算机节点构成计算机集群 与之前使用多个处理器和专用高级硬件的并行化处理装置不同的是，目前的分布式文件系统所采用的计算机集群，都是由普通硬件构成的，这就大大降低了硬件上的开销 图3-1 计算机集群的基本架构 3.1.2 分布式文件系统的结构 分布式文件系统在物理结构上是由计算机集群中的多个节点构成的，这些节点分为两类，一类叫“主节点”(Master Node)或者也被称为“名称结点”(NameNode)，另一类叫“从节点”（Slave Node）或者也被称为“数据节点”(DataNode) 图3-2 大规模文件系统的整体结构 3.1.3 分布式文件系统的设计需求 分布式文件系统的设计目标主要包括透明性、并发控制、可伸缩性、容错以及安全需求等。但是，在具体实现中，不同产品实现的级别和方式都有所不同。 ●透明性 含义：具备访问透明性、位置透明性和伸缩透明性 HDFS实现情况：只能提供一定程度的访问透明性，完全支持位置透明性和伸缩透明性 ●并发控制 含义：客户端对于文件的读写不应该影响其他客户端对同一个文件的读写 HDFS实现情况：机制非常简单，任何时间都只允许有一个程序在写入某个文件 3.1.3 分布式文件系统的设计需求 ●文件复制 含义：一个文件可以拥有在不同位置的多个副本 HDFS实现情况：HDFS采用了多副本机制 ●硬件和操作系统的异构性 含义：可以在不同的操作系统和计算机上实现同样的客户端和服务器端程序 HDFS实现情况：采用Java语言开发，具有很好的跨平台能力 3.1.3 分布式文件系统的设计需求 ●安全 含义：保障系统的安全性 HDFS实现情况：安全性较弱 ●可伸缩性 含义：支持节点的动态加入或退出 HDFS实现情况：建立在大规模廉价机器上的分布式文件系统集群，具有很好的可伸缩性 ●容错 含义：保证文件服务在客户端或者服务端出现问题的时候能正常使用 HDFS实现情况：具有多副本机制和故障自动检测、恢复机制 3.3.1 块 HDFS采用抽象的块概念可以带来以下几个明显的好处： ● 支持大规模文件存储：文件以块为单位进行存储，一个大规模文件可以被分拆成若干个文件块，不同的文件块可以被分发到不同的节点上，因此，一个文件的大小不会受到单个节点的存储容量的限制，可以远远大于网络中任意节点的存储容量 ● 简化系统设计：首先，大大简化了存储管理，因为文件块大小是固定的，这样就可以很容易计算出一个节点可以存储多少文件块；其次，方便了元数据的管理，元数据不需要和文件块一起存储，可以由其他系统负责管理元数据 ● 适合数据备份：每个文件块都可以冗余存储到多个节点上，大大提高了系统的容错性和可用性 3.3.2 名称节点和数据节点 在HDFS中，名称节点（NameNode）负责管理分布式文件