关于HDFS中数据块block的设计和原理

落日映苍穹つ 2022-06-01 05:10 176阅读 0赞

HDFS，全称Hadoop Distributed FileSystem.是一个文件系统，用于存储文件，通过目录树/来定位文件；其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色（在一些非正式的文档或者旧文档中，也简称DFS）。

**1.HDFS的设计特点：**

①可以进行超大文件存储

②对商用硬件要求不高

③流式数据访问：适合一次写入，多次读出的场景，适合用来做数据分析，并不适合用来做网盘应用等文件系统。

④HDFS只支持单个写入者，而且文件的写入只能以“添加”方式在文件末尾写数据。

⑤因为namenode的原因，不适合大量小文件的存储。

⑥数据访问的延迟相对较高，不适合进行低延迟处理

⑦对商业硬件要求低，可以再廉价的机器上运行。

**2. HDFS 文件块大小**  
      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.  
      HDFS的块比磁盘的块大(磁盘的块一般为512字节)，其目的是为了最小化寻址开销。如果块设置得足够大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。因而，传输一个由多个块组成的文件的时间取决于磁盘传输速率。如果寻址时间约为10ms，而传输速率为100MB/s，为了使寻址时间仅占传输时间的1%，我们要将块大小设置约为100MB。但是很多情况下HDFS使用128MB的块设置。块的大小：10ms\*100\*100M/s = 100M**，然而真正实际开发中要把block设置的远大于128MB，比如存储文件是1TB时，一般把Block大小设置成512MB.但是也不能任意设置的太大，比如200GB一个，因为在MapReduce的map任务中通常一次只处理一个块中数据（切片大小默认等于block大小），如果设置太大，因为任务数太少（少于集群中的节点数量），那么作业的运行速度就会慢很多，此外比如故障等原因也会拖慢速度。**

虽然HDFS以block块存储，对于大文件会被切分成很多以块大小的分块进行存储，但是如果文件小于HDFS的块大小，那么该文件的存储不会占用整个块的空间。比如一个10MB的文件，存储虽然在一个128MB的块上，但是该文件实际只用了10MB的空间，而不是128MB的空间。

文件系统检查的工具fsck的使用：用来显示块信息，比如复本数，是否损坏等等。（具体使用参见我其他关于fsck的博客。）

语法格式：hdfs fsck / -files -block

举例：查看/根目录下的数据块情况     hdfs  fsck  /

![20180121015048246][]

**3.块缓存机制**

通常datanode从磁盘上读取块，**但是对于频繁访问的数据块，datanode会将其缓存到dataNode节点的内存中，以堆外块缓存的形式（off-heap block cache ）存在。默认情况下，一个块只缓存到一个datanode内存中（加入复本是3个，但是也只在一个datanode内存中缓存块）**。这样的话，计算框架，比如MR或者Spark就可以在缓存块的节点上运行计算任务，可以大大提高读操作的性能，进而提高任务的效率。

用户也可以通过在缓存池（cache pool） 中增加一个cache directive 来告诉namenode需要缓存哪些文件，以及文件缓存多久，所谓缓存池就是一个用于管理缓存权限和资源使用的管理分组。

[20180121015048246]: /images/20220601/a39ecc4daf9a493d93d7ba0f67480554.png