HDFS存储和优化技术研究综述.PDF

软件学报ISSN1000-9825,CODENRUXUEWE-mail:jos@

JournalofSoftware,2020,31(1):137161[doi:10.13328/ki.jos.005872]

©中国科学院软件研究所版权所有.Tel:+86-10



HDFS存储和优化技术研究综述

1,21,21,31,2

金国栋,卞昊穹,陈跃国,杜小勇

1(数据工程与知识工程教育部重点实验室(中国人民大学),北京100872)

2(中国人民大学信息学院,北京100872)

3(大数据系统软件国家工程实验室(北京理工大学),北京100081)

通讯作者:陈跃国,E-mail:chenyueguo@

摘要:HDFS(Hadoopdistributedfilesystem)作为面向数据追加和读取优化的开源分布式文件系统,具备可移植、

高容错和可大规模水平扩展的特性.经过10余年的发展,HDFS已经广泛应用于大数据的存储.作为存储海量数据的

底层平台,HDFS存储了海量的结构化和非结构化数据,支撑着复杂查询分析、交互式分析、详单查询、Key-Value

读写和迭代计算等丰富的应用场景.HDFS的性能问题将影响其上所有大数据系统和应用,因此,对HDFS存储性能

的优化至关重要.介绍了HDFS的原理和特性,对已有HDFS的存储及优化技术,从文件逻辑结构、硬件设备和应用

负载这3个维度进行了归纳和总结.综述了近年来HDFS存储和优化相关研究.未来,随着HDFS上层应用的日益丰

富和底层硬件平台的发展,基于异构平台的数据存储、面向应用负载的自适应存储优化以及结合机器学习的存储优

化技术将成为未来研究的主要方向.

关键词:HDFS;分布式文件系统;存储系统优化;数据分析

中图法分类号:TP311

中文引用格式:金国栋,卞昊穹,陈跃国,杜小勇.HDFS存储和优化技术研究综述.软件学报,2020,31(1):137161.http://www.

/1000-9825/5872.htm

英文引用格式:JinGD,BianHQ,ChenYG,DuXY.SurveyonstorageandoptimizationtechniquesofHDFS.RuanJianXue

Bao/JournalofSoftware,2020,31(1):137161(inChinese)./1000-9825/5872.htm

SurveyonStorageandOptimizationTechniquesofHDFS

JINGuo-Dong1,2,BIANHao-Qiong1,2,CHENYue-Guo1,3,DUXiao-Yong1,2

1(KeyLaboratoryofDataEngineeringandKnowledgeEngineeringofMinistryofEducation(RenminUniversityofChina),Beijing

100872,China)

2(SchoolofInformation,RenminUniversityofChina,Beijing100872,China)

3(NationalEngineeringLaboratoryofBigDataSystemSoftware(BeijingInstituteofTechnology),Beijing100081,China)

Abstract:Asanappend-on