Distributed File System
1.数据量越来越多，在一个操作系统管辖的范围存储不下来，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，因此迫切需要一种系统来管理多台机器上的文件，分布式文件系统由此产生。
2.它是一种允许文件通过网络在多台主机上分享的文件系统，可以让多台机器上的用户分享文件和存储空间。
3.通透性，让实际上是通过网络来访问文件的动作，由程序与用户看来，就像访问本地的磁盘一般。
4.容错性，即使系统中有些节点脱机，整体来说系统任然可以持续运作而不会有数据损失。
5.分布式文件管理系统有很多，HDFS只是其中的一种，HDFS适用于一次写入多次查询的情况，不支持并发写入的情况，对小文件的操作也不太适合。
HDFS：Hadoop Distributed File System 分布式文件系统。
HDFS的架构：
主从式结构
主节点，只有一个：NameNode
从节点，有很多歌：DataNode
NameNode是整个文件系统的管理节点。它维护着整个问加你系统的文件目录树，文件/目录的元信息和每个文件对应的数据块列表。接收用户的操作请求。
和NameNode相关的文件包括：
1.fsimage：元数据镜像文件，存储某一段时间NameNode内存元数据信息。
2.edits：操作日志文件。
3.fstime：保存最近一次checkpoint的时间。
注：
1.NameNode在内存中保存metadata，这样可以快速的处理客户端对数据的"读请求"，但是内存中的数据容易丢失，例如掉电事，所以我们必须在磁盘上有metadata的副本。
2.当有"写请求"到来时，即要改变hadoop的文件系统时，NameNode会首先写editlog并主动同步到磁盘，成功后才会修改内存中的metadata，并且返回相应的信息给客户端，客户端再根据信息将数据写到对应的DataNode中。
3.fsimage是NameNode中metadata的镜像，fsimage不会随时与NameNode中的metadata保持一致，而是每隔一段时间合并editlog中的内容来更新，由于合并的过程比较消耗内存和CPU，所有hadoop就是用SecondaryNameNode专门用于更新fsimage文件。
以上文件都保存在Linux的文件系统中，目录为${hadoop.tmp.dir}/dfs/name/current中。
DataNode提供真实文件数据的存储服务。
1.文件块(block)：最基本的存储单位，对于文件内容而言，一个文件的大小是size，那么从文件的0偏移量开始，按照固定的大小，顺序对文件进行划分并编号，划分好的每一个块称为一个block，HDFS默认的block大小是64MB，以一个256MB的文件来说，共有256/64=4个block。
2.不同于普通文件系统的是，HDFS中，如果一个文件小于数据块的大小，并不占用整个数据块存储空间，而是占用文件实际大小的空间。
3.replication 是副本，在hdfs-site.xml文件中通过dfs.replication属性进行设置。
注：真实数据保存在${hadoop.tmp.dir}/dfs/data/current目录中。
SecondaryNameNode
1.是HA的一个解决方案，但不支持热备。配置即可。
2.执行过程：从NameNode上下载元数据信息(fsimage,edits)，然后把二者合并，生成新的fsimage，在本地保存，并将其推送到NameNode，同时重置NameNode的edits。
3.默认安装在NameNode节点上，但是建议单独设置一个节点。
4.secondaryNameNode的工作通过实践或者大小进行触发，在core-default.xml文件中可以找到配置。
SecondaryNameNode的工作原理图如下：
SecondaryNameNode详细工作流程：
1.SecondaryNameNode通知PrimaryNameNode切换editlog。
2.SecondaryNameNode通过HTTP协议从PrimaryNameNode获得fsimage和editlog。
3.SecondaryNameNode将fsimage载入内存，然后开始合并editlog的操作。
4.SecondaryNameNode将合并后的新数据的fsimage发给PrimaryNameNode。
5.PrimaryNameNode收到SecondaryNameNode发过来的新的fsimage后会用新的fsimage替换旧的fsimage。
SecondaryNameNode工作的触发点：
1.fs.checkpoint.period指定两次checkpoint之间最大时间间隔，默认实践为3600秒，即一个小时。
2.fs.checkpoint.size规定editlog文件的最大值，该文件默认的大小是64M，一旦超过这个值则会强制触发SecondaryNameNode工作。
这两个属性可以在core-default.xml文件中找到，配置在core-site.xml文件中。
问题一：在hadoop1.x中，HDFS如何实现高可靠？
答：
1.在hdfs-site.xml文件中配置dfs.name.dir属性，这个属性是NameNode放在元数据信息用的，多个目录用逗号隔离，HDFS会把元数据冗余复制到这些目录，一般这些目录在不同的设备上，不存在的目录会被忽略掉。
2.通过SecondaryNameNode恢复NameNode，详情见http://blog.csdn.net/lzm1340458776/article/details/38820739
3.使用第三方的工具avatarnode
问题二：执行HDFS的格式化时发生了什么事情？
答：NameNode创建了自己的目录结构。
问题三：多次格式后导致DataNode启动不了，怎么办？
答：将 ${hadoop.tmp.dir}/dfs/name/current/VERSION中nameSpaceID的值和${hadoop.tmp.dir}/dfs/data/VERSION中nameSpaceID的值修改为一致。