HDFS的优缺点以及如何存储数据

HDFS是Hadoop的分布式文件系统，是一个高度容错性的系统，适合运行在通用硬件上，适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。

HDFS 具有以下优点

1、高容错性数据自动保存多个副本。它通过增加副本的形式，提高容错性。某一个副本丢失以后，它可以自动恢复，这是由 HDFS 内部机制实现的。

2、适合批处理，是通过移动计算而不是移动数据。它会把数据位置暴露给计算框架。

3、适合大数据处理，处理数据达到 GB、TB、甚至PB级别的数据。能够处理百万规模以上的文件数量，数量相当之大。能够处理10K节点的规模。

4、流式文件访问一次写入，多次读取。文件一旦写入不能修改，只能追加。它能保证数据的一致性。

5、可构建在廉价机器上它通过多副本机制，提高可靠性。它提供了容错和恢复机制。比如某一个副本丢失，可以通过其它副本来恢复。

当然 HDFS 也有它的劣势，并不适合所有的场合

1、低延时数据访问比如毫秒级的来存储数据，这是不行的，它做不到。它适合高吞吐率的场景，就是在某一时间内写入大量的数据。但是它在低延时的情况下是不行的，比如毫秒级以内读取数据，这样它是很难做到的。

2、小文件存储存储大量小文件(这里的小文件是指小于HDFS系统的Block大小的文件（默认64M）)的话，它会占用 NameNode大量的内存来存储文件、目录和块信息。这样是不可取的，因为NameNode的内存总是有限的。小文件存储的寻道时间会超过读取时间，它违反了HDFS的设计目标。

3、并发写入、文件随机修改一个文件只能有一个写，不允许多个线程同时写。仅支持数据 append（追加），不支持文件的随机修改。

HDFS 如何储存数据

HDFS 采用Master/Slave的架构来存储数据，这种架构主要由四个部分组成，分别为HDFS Client、NameNode、DataNode和Secondary NameNode。下面我们分别介绍这四个组成部分。

1、Client：就是客户端。文件切分。文件上传 HDFS 的时候，Client 将文件切分成 一个一个的Block，然后进行存储。与 NameNode 交互，获取文件的位置信息。与 DataNode 交互，读取或者写入数据。Client 提供一些命令来管理 HDFS，比如启动或者关闭HDFS。Client 可以通过一些命令来访问 HDFS。

2、NameNode：就是 master，它是一个主管、管理者。管理 HDFS 的名称空间管理数据块（Block）映射信息配置副本策略处理客户端读写请求。

3、DataNode：就是Slave。NameNode 下达命令，DataNode 执行实际的操作。存储实际的数据块。执行数据块的读/写操作。