1、分布式文件系统的理解
2、hdfs的优缺点
hdfs的优点
(1) 高容错性
1) 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。
2) 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，我们不必关心。
(2) 适合批处理
1) 它是通过移动计算而不是移动数据。
2) 它会把数据位置暴露给计算框架。
(3) 适合大数据处理
1) 数据规模：能够处理数据规模达到 GB、TB、甚至PB级别的数据。
2) 文件规模：能够处理百万规模以上的文件数量，数量相当之大。
3) 节点规模：能够处理10K节点的规模。
(4) 流式数据访问
1) 一次写入，多次读取，不能修改，只能追加。
2) 它能保证数据的一致性。
(5) 可构建在廉价机器上
1) 它通过多副本机制，提高可靠性。
2) 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。
hdfs的缺点
(1) 不适合低延时数据访问；
1) 比如毫秒级的来存储数据，这是不行的，它做不到。
2) 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。
改进策略
(2) 无法高效的对大量小文件进行存储
1) 存储大量小文件的话，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。
2) 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。 改进策略
(3) 并发写入、文件随机修改
1) 一个文件只能有一个写，不允许多个线程同时写。
2) 仅支持数据 append（追加），不支持文件的随机修改。
3、hdfs的架构详细剖析
数据以block块的形式进统一存储管理，每个block块默认最多可以存储128M的文件，如果有一个文件大小为1KB，也是要占用一个block块，但是实际占用磁盘空间还是1KB大小，类似于有一个水桶可以装128斤的水，但是我只装了1斤的水，那么我的水桶里面水的重量就是1斤，而不是128斤
每个block块的元数据大小大概为150字节
1）HDFS集群包括，NameNode和DataNode以及Secondary Namenode。
2）NameNode负责管理整个文件系统的元数据，以及每一个路径（文件）所对应的数据块信息。
3）DataNode 负责管理用户的文件数据块，每一个数据块都可以在多个datanode上存储多个副本。
4）Secondary NameNode用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。最主要作用是辅助namenode管理元数据信息
NameNode与Datanode的总结概述
