设计思想
分而治之：将大文件、大批量文件，分布式放在大量服务器上，以便于采取分而治之的方式对海量数据进行预算分析；
在大数据系统中的作用：为各类分布式运算框架（如：MapReduce,Spark等)提供数据存储服务
重要概念：文件切块，副本存放，元数据
HDFS架构
HDFS各节点
NameNode是HDFS的主节点，负责元数据的管理以及客户端对文件的访问。管理数据块的复制，它周期性地从集群中的每个DataNode接收心跳信号和块状态报告（Blockreport）
DataNode是HDFS的从节点，负责具体数据的读写，数据的存储。
数据块在DataNode以文件存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据（包括数据块的长度，快数据的效验以及时间戳）
DataNode启动向NameNode注册，通过后，周期性（1小时）的向NameNode上报告所有块信息。心跳是每三秒一次，心跳返回结果带有NameNode给该DataNode的命令（如复制块数据到另一台服务器，或删除某个数据块。如果超过十分钟没有收到某个DataNode的心跳，则认为该节点不可用。
SecondaryNameNode：负责元数据的同步
Client（客户端）: 负责数据读写请求的发起
文件：
HDFS中的文件是分块存储（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，老版本是64M，，每个块有多个副本存储在不同的机器上，副本数可在文件生成时指定（默认3）
NameNode 负责文件元数据的操作，DataNode负责处理文件内容的读写请求。
数据块存放在哪些DataNode上由 NameNode来控制，根据全局情况做出块放置决定，读取文件时NameNode尽量让用户先读取最近的副本，降低带块消耗和读取时延。
数据块损坏处理：当DataNode读取块的时候，它会计算checksum，如果计算后的checksum与block创建时值不一样，说明该block已损坏，则认为该节点不可用，客户端会读取其它DataNode上的block，NameNode标记该block已经损坏，然后复制其他节点的block达到预期设置的文件备份数（默认每个块存储三份，存储在不同的DataNode节点上）。DataNode在其文件创建三周后验证其checksum。
NameNode启动过程：简述
1.加载fsimage和edits文件，生成新的fsimage和一个空的edits文件
2.等待DataNode注册和发送心跳
3.DataNode启动，向NameNode注册，发送心跳报告、块报告
4.NameNode离开安全模式。
NameNode启动过程：详解
1、Name启动的时候首先将fsimage（镜像）载入内存，并执行（replay）编辑日志editlog的的各项操作；
2、一旦在内存中建立文件系统元数据映射，则创建一个新的fsimage文件（这个过程不需 SecondaryNameNode） 和一个空的editlog；
3、在安全模式下，各个datanode会向namenode发送块列表的最新情况；
4、此刻namenode运行在安全模式。即NameNode的文件系统对于客服端来说是只读的。(显示目录，显示文 件内容等。写、删除、重命名都会失败)；
5、NameNode开始监听RPC和HTTP请求
解释RPC:RPC（Remote Procedure Call Protocol）——远程过程通过协议，它是一种通过网络从远程计算机程序 上请求服务，而不需要了解底层网络技术的协议；
6、系统中数据块的位置并不是由namenode维护的，而是以块列表形式存储在datanode中；
7、在系统的正常操作期间，namenode会在内存中保留所有块信息的映射信息。
原文地址：https://www.cnblogs.com/ken-kqj/p/10175659.html