週五週六的時候發了TCP協議，取了個比較誇張的標題：看不懂就來打我，底下都是評論問我在哪。哈哈哈哈哈。不過話說回來，我講TCP也有3次了，怎麼可能看不懂，3篇合起來看阿朋友們，算了下週再寫一篇吧，想看的評論里扣1或者私聊我。

那咱們還是回到老話題上來，hadoop的組件講解，總不能天天即興發揮，今天講分佈式文件系統HDFS。

從RAID說起

大數據技術主要要解決的問題的是大規模數據的計算處理問題，那麼首先要解決的就是大規模數據的存儲問題。大規模數據存儲要解決的核心問題有三個方面：

• 數據存儲容量的問題，既然大數據要解決的是數以PB計的數據計算問題，而一般的服務器磁盤容量通常1-2TB，那麼如何存儲這麼大規模的數據。
• 數據讀寫速度的問題，一般磁盤的連續讀寫速度為幾十MB，以這樣的速度，幾十PB的數據恐怕要讀寫到天荒地老。
• 數據可靠性的問題，磁盤大約是計算機設備中最易損壞的硬件了，在網站一塊磁盤使用壽命大概是一年，如果磁盤損壞了，數據怎麼辦？

在大數據技術出現之前，人們就需要面對這些關於存儲的問題，對應的解決方案就是RAID技術。

RAID（獨立磁盤冗餘陣列）技術主要是為了改善磁盤的存儲容量，讀寫速度，增強磁盤的可用性和容錯能力。目前服務器級別的計算機都支持插入多塊磁盤（8塊或者更多），通過使用RAID技術，實現數據在多塊磁盤上的併發讀寫和數據備份。

常用RAID技術有以下幾種，如圖所示。

常用RAID技術原理圖

假設服務器有N塊磁盤。

RAID0

數據在從內存緩衝區寫入磁盤時，根據磁盤數量將數據分成N份，這些數據同時併發寫入N塊磁盤，使得數據整體寫入速度是一塊磁盤的N倍。讀取的時候也一樣，因此RAID0具有極快的數據讀寫速度，但是RAID0不做數據備份，N塊磁盤中只要有一塊損壞，數據完整性就被破壞，所有磁盤的數據都會損壞。

RAID1

數據在寫入磁盤時，將一份數據同時寫入兩塊磁盤，這樣任何一塊磁盤損壞都不會導致數據丟失，插入一塊新磁盤就可以通過複製數據的方式自動修復，具有極高的可靠性。

RAID10

結合RAID0和RAID1兩種方案，將所有磁盤平均分成兩份，數據同時在兩份磁盤寫入，相當於RAID1，但是在每一份磁盤裡面的N/2塊磁盤上，利用RAID0技術併發讀寫，既提高可靠性又改善性能，不過RAID10的磁盤利用率較低，有一半的磁盤用來寫備份數據。

RAID3

一般情況下，一臺服務器上不會出現同時損壞兩塊磁盤的情況，在只損壞一塊磁盤的情況下，如果能利用其他磁盤的數據恢復損壞磁盤的數據，這樣在保證可靠性和性能的同時，磁盤利用率也得到大幅提升。

在數據寫入磁盤的時候，將數據分成N-1份，併發寫入N-1塊磁盤，並在第N塊磁盤記錄校驗數據，任何一塊磁盤損壞（包括校驗數據磁盤），都可以利用其他N-1塊磁盤的數據修復。

但是在數據修改較多的場景中，任何磁盤修改數據都會導致第N塊磁盤重寫校驗數據，頻繁寫入的後果是第N塊磁盤比其他磁盤容易損壞，需要頻繁更換，所以RAID3很少在實踐中使用。

RAID5

相比RAID3，更多被使用的方案是RAID5。

RAID5和RAID3很相似，但是校驗數據不是寫入第N塊磁盤，而是螺旋式地寫入所有磁盤中。這樣校驗數據的修改也被平均到所有磁盤上，避免RAID3頻繁寫壞一塊磁盤的情況。

RAID6

如果數據需要很高的可靠性，在出現同時損壞兩塊磁盤的情況下（或者運維管理水平比較落後，壞了一塊磁盤但是遲遲沒有更換，導致又壞了一塊磁盤），仍然需要修復數據，這時候可以使用RAID6。

RAID6和RAID5類似，但是數據只寫入N-2塊磁盤，並螺旋式地在兩塊磁盤中寫入校驗信息（使用不同算法生成）。

在相同磁盤數目（N）的情況下，各種RAID技術的比較如下表所示。

幾種RAID技術比較

RAID技術有硬件實現，比如專用的RAID卡或者主板直接支持，也可以通過軟件實現，在操作系統層面將多塊磁盤組成RAID，在邏輯視作一個訪問目錄。RAID技術在傳統關係數據庫及文件系統中應用比較廣泛，是改善計算機存儲特性的重要手段。

RAID技術只是在單臺服務器的多塊磁盤上組成陣列，大數據需要更大規模的存儲空間和訪問速度。將RAID技術原理應用到分佈式服務器集群上，就形成了Hadoop分佈式文件系統HDFS的架構思想。

HDFS架構原理

和RAID在多個磁盤上進行文件存儲及並行讀寫一樣思路，HDFS在一個大規模分佈式服務器集群上，對數據進行並行讀寫及冗餘存儲。因為HDFS可以部署在一個比較大的服務器集群上，集群中所有服務器的磁盤都可以供HDFS使用，所以整個HDFS的存儲空間可以達到PB級容量。HDFS架構如圖。

HDFS架構

HDFS中關鍵組件有兩個，一個是NameNode，一個是DataNode。

DataNode負責文件數據的存儲和讀寫操作，HDFS將文件數據分割成若干塊（block），每個DataNode存儲一部分block，這樣文件就分佈存儲在整個HDFS服務器集群中。應用程序客戶端（Client）可以並行對這些數據塊進行訪問，從而使得HDFS可以在服務器集群規模上實現數據並行訪問，極大地提高訪問速度。實踐中HDFS集群的DataNode服務器會有很多臺，一般在幾百臺到幾千臺這樣的規模，每臺服務器配有數塊磁盤，整個集群的存儲容量大概在幾PB到數百PB。

NameNode負責整個分佈式文件系統的元數據（MetaData）管理，也就是文件路徑名，數據block的ID以及存儲位置等信息，承擔著操作系統中文件分配表（FAT）的角色。HDFS為了保證數據的高可用，會將一個block複製為多份（缺省情況為3份），並將三份相同的block存儲在不同的服務器上。這樣當有磁盤損壞或者某個DataNode服務器宕機導致其存儲的block不能訪問的時候，Client會查找其備份的block進行訪問。

block多份複製存儲如下圖所示，對於文件/users/sameerp/data/part-0，其複製備份數設置為2，存儲的block id為1，3。block1的兩個備份存儲在DataNode0和DataNode2兩個服務器上，block3的兩個備份存儲DataNode4和DataNode6兩個服務器上，上述任何一臺服務器宕機後，每個block都至少還有一個備份存在，不會影響對文件/users/sameerp/data/part-0的訪問。

HDFS的block複製備份策略

事實上，DataNode會通過心跳和NameNode保持通信，如果DataNode超時未發送心跳，NameNode就會認為這個DataNode已經失效，立即查找這個DataNode上存儲的block有哪些，以及這些block還存儲在哪些服務器上，隨後通知這些服務器再複製一份block到其他服務器上，保證HDFS存儲的block備份數符合用戶設置的數目，即使再有服務器宕機，也不會丟失數據。

HDFS應用

Hadoop分佈式文件系統可以象一般的文件系統那樣進行訪問：使用命令行或者編程語言API進行文件讀寫操作。我們以HDFS寫文件為例看HDFS處理過程，如下圖。

HDFS寫文件操作

• 應用程序Client調用HDFS API，請求創建文件，HDFS API包含在Client進程中。
• HDFS API將請求參數發送給NameNode服務器，NameNode在meta信息中創建文件路徑，並查找DataNode中空閒的block。然後將空閒block的id、對應的DataNode服務器信息返回給Client。因為數據塊需要多個備份，所以即使Client只需要一個block的數據量，NameNode也會返回多個NameNode信息。
• Client調用HDFS API，請求將數據流寫出。
• HDFS API連接第一個DataNode服務器，將Client數據流發送給DataNode，該DataNode一邊將數據寫入本地磁盤，一邊發送給第二個DataNode。同理第二個DataNode記錄數據併發送給第三個DataNode。
• Client通知NameNode文件寫入完成，NameNode將文件標記為正常，可以進行讀操作了。

HDFS雖然提供了API，但是在實踐中，我們很少自己編程直接去讀取HDFS中的數據，原因正如開篇提到，在大數據場景下，移動計算比移動數據更划算。於其寫程序去讀取分佈在這麼多DataNode上的數據，不如將程序分發到DataNode上去訪問其上的block數據。但是如何對程序進行分發？分發出去的程序又如何訪問HDFS上的數據？計算的結果如何處理，如果結果需要合併，該如何合併？

Hadoop提供了對存儲在HDFS上的大規模數據進行並行計算的框架，就是我們之前講的MapReduce，

請見《 》。