- Hadoop DISTRIBUTED FILE SYSTEM，简称HDFS，是一个分布式文件系统。有一定高度的容错性，而且提供了高吞吐量的数据访问，非常适合大规模数据集上的应用。HDFS是海量数据存储解决方案。
- HDFS的设计之初就是针对超大文件的存储的，小文件不会提高访问和存储速度，反而会降低；其次它采用了最高效的访问模式，也就是经常所说的流式数据访问，特点就是一次写入多次读取；再有就是它运行在普通的硬件之上的，即使硬件故障，也就通过容错来保证数据的高可用。
- 分布式文件管理系统很多，hdfs只是其中一种。适用于一次写入多次查询的情况，不支持并发写情况，小文件不合适。
- HDFS的相关概念：
（1）Block:大文件的存储会被分割为多个block进行存储。默认为64MB，每一个blok会在多个datanode上存储多份副本，默认为3份。[其默认配置可更改]
（2）Namenode:主要负责存储一些metadata信息，主要包括文件目录、block和文件对应关系，以及block和datanote的对应关系。
（3）Datanode:负责存储数据，上面我们所说的高度的容错性大部分在datanode上实现的。 - 主从结构：
主节点，只有一个 ： namenode
从节点，有很多个 ：datanodes- namenode负责：
· 接收用户请求操作
· 维护文件信息系统的目录结构
· 管理文件与block之间的关系，block与datanade之间的关系
注意：namenode归根结底要放在磁盘上的以保证数据的持久性，但是为了提高效率，一般在hadoop运行时时放在内存中的
- namenode负责：
- datanode负责：
· 存储文件
·文件被分成block存储字磁盘上
·为保证数据安全，文件会有多个副本
- HDFS的四大优点让其成为数据存储的主流选择
（1）高吞吐量：
HDFS的每个block分布在不同的rack上，在用户访问时，HDFS会计算使用最近和访问量最小的服务器给用户提供。由于block在不同的rack上都有备份
，所以不再是单数据访问，所以速度和效率是非常快的。另外HDFS可以并行从服务器集群中读写，增加了文件读写的访问带宽。
（2）高容错性：
上面简单的介绍了一下高度容错。系统故障是不可避免的，如何做到故障之后的数据恢复和容错处理是至关重要的。HDFS通过多方面保证数据的可靠
性，多分复制并且分布到物理位置的不同服务器上，数据校验功能、后台的连续自检数据一致性功能，都为高容错提供了可能。
（3）容量扩充：
因为HDFS的block信息存放到namenode上，文件的block分布到datanode上，当扩充的时候，仅仅添加datanode数量，系统可以在不停止服务的情况
下做扩充，不需要人工干预。
（4）低成本：
可以通过普通机器组成的服务器群来分发以及处理数据。这些服务器群总计可达数千个节点。
