HDFS最近学习总结

一. hdfs整体运行机制：

1. 客户把一个文件存入HDFS中，其实HDFS会把文件切成块进行存储，会分散存储到N台Linux系统中（存储文件块的角色是:datanode）(重要的是切块的行为是由客户端决定的)
2. 一旦文件被切块切块存储，HDFS一定要有个机制，需要记录每一个文件的切块信息和每个切块具体的存储机器。（记录块信息的是namenode）
3. 需要保证数据的安全性，HDFS将每一个块都在集群中存放多个副本（副本数是由存储时的客户端决定的）。
4. 总结 : 一个HDFS系统是由一台运行了namenode的服务器和N台运行了datanode的服务器组成。

二. 知识点：

1. 元数据由namenode管理
2. 元数据：HDFS的目录结构及每一个文件的块信息（块的id，副本数量，存放位置等）

三. namenode元数据记录位置 ：

1. namenode把实时的完整元数据存放到内存中
2. namenode还会在磁盘中存储内存元数据在某个时间上的镜像文件fsimage
3. namenode会把让元数据变化的客户端操作记录（类似添加）在edits日志文件中。

四. secondarynamenode 责任 ：

1. secondarynamenode会定期从namenode上下载fsimage镜像和新生成的edits日志，然后加载fsimage镜像到内存中，然后顺序解析edits文件，对内存中的元数据对象进行修改（整合）整合完成后，将内存元数据序列化成一个新的fsimage，并将这个fsimage镜像文件上传给namenode。这个过程叫checkpoint
2. secondary namenode每次做checkpoint操作时，第一次checkpoint需要下载fsimage，以后就不用下载了，因为自己的机器上就已经有了。
3. 总结：secondarynamenode 会把fsimage 和 edits 下载过到自己的机器上，进行序列化成元数据在传给namenode,可以记性单点故障处理。所以 secondarynamenode最好也配置下。