大数据

随着我们业务数据量越来越大，在一个操作系统管辖的范围内存不下了，那么就需要分配到更多的操作系统管理的磁盘中。但是这给我们带来的一个问题就是，更多的操作系统非常不方便集中管理和维护。这时迫切需要一种系统来管理多台机器上的文件，这就产生了分布式文件管理系统。HDFS只是分布式文件管理系统中的一种。

HDFS(Hadoop Distributed File System)，它是一个分布式文件管理系统。一是，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，并且集群中的服务器有各自的角色。集群不一定是分布式的，但是分布式一定是集群。HDFS的设计适合一次写入，多次读出的场景，但不支持文件的修改。HDFS适合用来做数据分析，并不适合用来做网盘应用。

下面我们来看下HDFS的优缺点吧。

HDFS优点：

(1) 高容错性

a)每份数据都自动保存多个副本。HDFS正是通过增加副本的的方式来提高容错性;

b)如果某个副本丢失，HDFS还可以自动恢复。

(2) 适合大数据处理

(a)数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据;

(b)文件规模：能够处理百万规模以上的文件数量，数量相当之大。

(3) 流式数据访问，它能保证数据的一致性。

(4) 可构建在廉价机器上，通过多副本机制，提高可靠性。这一点也是HDFS的突出优势，高性能的集群无需采用价格高昂的服务器，而是构建在廉价的机器上呢。

HDFS缺点：

(1) 不适合低延时数据访问，比如毫秒级的存储数据，是做不到的。

(2) 无法高效的对大量小文件进行存储。

a) 存储大量小文件的话，它会占用NameNode大量的内存来存储文件、目录和块信息。这样是不可取的，因为NameNode的内存毕竟是有限的。

b) 小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标。

(3) 不支持并发写入、文件随机修改。

a) 一个文件只能有一个写，不允许多个线程同时写;

b) 仅支持数据append(追加)，不支持文件的随机修改。