大数据工程师必须掌握一定的技能才能得到企业的青睐，有关HDFS技术是大数据中的一项过硬技术，大数据工程师掌握了这个要领，那就相当于闯过了一个难关，究竟什么是HDFS技术？我们随IT培训网小编一起看看。

1、什么是HDFS？

设计思想：分而治之：将大文件、大批量文件，分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析;

在大数据系统中作用：为各类分布式运算框架(如：mapreduce，spark，tez，……)提供数据存储服务

重点概念：文件切块，副本存放，元数据

重要特性如下：

⑴ HDFS中的文件在物理上是分块存储(block)，块的大小可以通过配置参数( dfs.blocksize)来规定，默认大小在hadoop2.x版本中是128M，老版本中是64M

⑵ HDFS文件系统会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data

⑶ 目录结构及文件分块信息(元数据)的管理由namenode节点承担——namenode是HDFS集群主节点，负责维护整个hdfs文件系统的目录树，以及每一个路径(文件)所对应的block块信息(block的id，及所在的datanode服务器)

⑷ 文件的各个block的存储管理由datanode节点承担---- datanode是HDFS集群从节点，每一个block都可以在多个datanode上存储多个副本(副本数量也可以通过参数设置dfs.replication)

⑸ HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改

2、HDFS的shell(命令行客户端)操作

HDFS集群分为两大角色：NameNode、DataNode

NameNode负责管理整个文件系统的元数据

DataNode 负责管理用户的文件数据块

文件会按照固定的大小(blocksize)切成若干块后分布式存储在若干台datanode上

每一个文件块可以有多个副本，并存放在不同的datanode上

Datanode会定期向Namenode汇报自身所保存的文件block信息，而namenode则会负责保持文件的副本数量

HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向namenode申请来进行

HDFS提供shell命令行客户端，使用方法如下:

3、HDFS写读数据流程

写数据

1根namenode通信请求上传文件，namenode检查目标文件是否已存在，父目录是否存在

2namenode返回是否可以上传

3client请求第一个 block该传输到哪些datanode服务器上

4namenode返回3个datanode服务器ABC

5client请求3台dn中的一台A上传数据(本质上是一个RPC调用，建立pipeline)，A收到请求会继续调用B，然后B调用C，将真个pipeline建立完成，逐级返回客户端

6client开始往A上传第一个block(先从磁盘读取数据放到一个本地内存缓存)，以packet为单位，A收到一个packet就会传给B，B传给C;A每传一个packet会放入一个应答队列等待应答

7当一个block传输完成之后，client再次请求namenode上传第二个block的服务器

读数据

1跟namenode通信查询元数据，找到文件块所在的datanode服务器

2挑选一台datanode(就近原则，然后随机)服务器，请求建立socket流

3datanode开始发送数据(从磁盘里面读取数据放入流，以packet为单位来做校验)

4客户端以packet为单位接收，现在本地缓存，然后写入目标文件

HDFS上的文件也被划分为块大小的多个分块(chunk)，作为独立的存储单元。但与其他文件系统不同的是，HDFS中小于一个块大小的文件不会占据整个块的空间。