分布式文件系统HDFS课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,分布式文件系统HDFS,提纲,1,分布式文件系统,2 HDFS,简介,3 HDFS,相关概念,4 HDFS,体系结构,5 HDFS,存储原理,6 HDFS,大数据读写过程,7HDFS,编程实践,1,分布式文件系统,1.1,计算机集群结构,1.2,分布式文件系统的结构,1.3,分布式文件系统的设计需求,1.1计算机集群结构,分布式文件系统把文件分布存储到成千上万的计算机节点上,图,3-1,计算机集群的基本架构,1.2,分布式文件系统的结构,分布式文件系统在物理结构上是由计算机集群中的多个节点构成的，这些节点分为两类，一类叫“主节点”,(Master Node),或者也被称为“名称结点”,(NameNode),，另一类叫“从节点”（,Slave Node,）或者也被称为“数据节点”,(DataNode),图,3-2,大规模文件系统的整体结构,1.3,分布式文件系统的设计需求,分布式文件系统的设计目标主要包括透明性、并发控制、可伸缩性、容错以及安全需求等。但是，在具体实现中，不同产品实现的级别和方式都有所不同。,透明性,含义：具备访问透明性、位置透明性和伸缩透明性,HDFS,实现情况：完全支持位置透明性和伸缩透明性,并发控制,含义：客户端对于文件的读写不应该影响其他客户端对同一个文件的读写,HDFS,实现情况：机制非常简单，任何时间都只允许有一个程序在写入某个文件,1.3,分布式文件系统的设计需求,文件复制（容错机制）,含义：一个文件可以拥有在不同位置的多个副本,HDFS实现情况：,HDFS,采用了多副本机制,硬件和操作系统的异构性（可伸缩性）,含义：可以在不同的操作系统和计算机上实现同样的客户端和服务器端程序,HDFS实现情况：采用,Java,语言开发，具有很好的跨平台能力,1.3,分布式文件系统的设计需求,安全,含义：保障系统的安全性,HDFS,实现情况：安全性较弱,可伸缩性,含义：支持节点的动态加入或退出,HDFS,实现情况：是建立在大规模廉价机器上的分布式文件系统集群，具有很好的可伸缩性,容错,含义：保证文件服务在客户端或者服务端出现问题的时候能正常使用,HDFS,实现情况：具有多副本机制和故障自动检测、恢复机制,2HDFS简介,总体而言，,HDFS,要实现以下目标：,容错,流式数据读写,能存储大数据集,强大的跨平台兼容性,HDFS,在实现上述优良特性的同时，也使得自身具有一些应用局限性，主要包括以下几个方面：,不适合低延迟数据访问,无法高效存储大量小文件,不支持多用户写入及任意修改文件,2,名称节点和数据节点,3,HDFS,相关概念,1,块,HDFS,：一个文件被分成多个块，以块作为存储单位，默认一个块,64MB,。,HDFS,采用抽象的块概念可以带来以下几个明显的好处：,支持大规模文件存储,：一个大规模文件可以被分拆成若干个文件块，不同的文件块可以被分发到不同的节点上。因此，一个文件的大小不会受到单个节点存储容量的限制，可以远远大于网络中任意节点的存储容量,减少文件操作开销,：块大小远远大于普通文件系统的块大小，可以最小化寻址开销,简化系统设计,：,首先，大大简化了存储管理。因为文件块大小是固定的，这样就可以很容易计算出一个节点可以存储多少文件块。,其次，方便了元数据的管理。元数据不需要和文件块一起存储，可以由其他系统负责管理元数据,适合数据备份,：每个文件块都可以冗余存储到多个节点上，大大提高了系统的容错性和可用性,2,名称节点和数据节点,在,HDFS,中，名称节点（,NameNode,）负责管理分布式文件系统的命名空间（,Namespace,）。保存了两个核心的数据结构，即,FsImage,和,EditLog,。,FsImage,用于维护文件目录以及所有的文件的元数据，操作日志文件,EditLog,中记录了所有针对文件的创建、删除、重命名等操作。此外，名称节点记录了从各文件块到其所在数据节点位置的映射信息。,图,3-3,名称节点的数据结构,FsImage,文件包含文件系统中所有目录和文件,inode,的序列化形式。每个,inode,是一个文件或目录的元数据的内部表示。对于文件，它包含：文件的复制等级、修改和访问时间、访问权限、块大小以及组成文件的块。对于目录，则存储修改时间、权限和配额元数据,FsImage,文件没有记录块存储在哪个数据节点，而是由名称节点把这些映射保留在内存中。,当数据节点加入,HDFS,集群时，数据节点会把自己所包含的块列表告知给名称节点，此后会定期执行这种告知操作，以确保名称节点的块映射是最新的。,FsImage,文件,2,名称节点和数据节点,因为,FsImage,文件一般都很大（,GB,级别的很常见），如果所有的更新操作都往,FsImage,文件中添加，这样会导致系统运行的十分缓慢。因此，通常先往,EditLog,文件里面写。由于,EditLog,要小很多，因此就不会这样。每次执行写操作之后，且在向客户端发送成功代码之前，,EditLog,文件都需要同步更新。,EditLog,文件,2,名称节点和数据节点,在名称节点启动的时候，它会将,FsImage,文件中的内容加载到内存中，之后再执行,EditLog,文件中的各项操作，使得内存中的元数据和实际的同步，存在内存中的元数据支持客户端的读操作。,一旦在内存中成功建立文件系统元数据的映射，则创建一个新的,FsImage,文件和一个空的,EditLog,文件,名称节点起来之后，,HDFS,中的更新操作会重新写到,EditLog,文件中。,名称节点的启动,2,名称节点和数据节点,2,名称节点和数据节点,在名称节点运行期间，,HDFS,的所有更新操作都是直接写到,EditLog,中，久而久之，,EditLog,文件将会变得很大,虽然这对名称节点运行时候是没有什么明显影响的，但是，当名称节点重启的时候，名称节点需要先将,FsImage,里面的所有内容映像到内存中，然后再一条一条地执行,EditLog,中的记录，当,EditLog,文件非常大的时候，会导致名称节点启动操作非常慢，而在这段时间内,HDFS,系统处于安全模式，一直无法对外提供写操作，影响了用户的使用,名称节点运行期间,EditLog,不断变大的问题,2,名称节点和数据节点,如何解决？,答案是：,SecondaryNameNode,第二名称节点,第二名称节点,是,HDFS,架构中的一个组成部分，它是用来保存名称节点中对,HDFS,元数据信息的备份，并减少名称节点重启的时间。,SecondaryNameNode,一般是单独运行在一台机器上,2,名称节点和数据节点,SecondaryNameNode,的工作情况：,2,名称节点和数据节点,数据节点（,DataNode,）是分布式文件系统,HDFS,的工作节点，负责数据的存储和读取，会根据客户端或者名称节点的调度来进行数据的检索和读写，并且向名称节点定期发送自己所存储的块的列表。每个数据节点中的数据会被保存在各自节点的本地,Linux,文件系统中,4HDFS,体系结构,4.1HDFS,体系结构概述,4.2HDFS,命名空间管理,4.3,通信协议,4.4,客户端,4.5HDFS,体系结构的局限性,4.1HDFS体系结构概述,HDFS,采用了主从（,Master/Slave,）结构模型，一个,HDFS,集群包括一个名称节点（,NameNode,）和若干个数据节点（,DataNode,）（如图,3-4,所示）。名称节点作为中心服务器，负责管理文件系统的命名空间及客户端对文件的访问。集群中的数据节点一般是一个节点运行一个数据节点进程，负责处理文件系统客户端的读,/,写请求，在名称节点的统一调度下进行数据块的创建、删除和复制等操作。每个数据节点的数据实际上是保存在本地,Linux,文件系统中的,图,3-4 HDFS,体系结构,4.1HDFS体系结构概述,4.2HDFS命名空间管理,HDFS,的命名空间包含目录、文件和块。命名空间管理是指命名空间支持对,HDFS,中的目录、文件和块做类似文件系统的创建、修改、删除等基本操作。在当前的,HDFS,体系结构中，在整个,HDFS,集群中只有一个命名空间，并且只有唯一一个名称节点，该节点负责对这个命名空间进行管理,HDFS,使用的是传统的分级文件体系，因此，用户可以像使用普通文件系统一样，创建、删除目录和文件，在目录间转移文件，重命名文件等。但是，,HDFS,还没有实现磁盘配额和文件访问权限等功能，也不支持文件的硬连接和软连接（快捷方式）,4.3,通信协议,HDFS,是一个部署在集群上的分布式文件系统，因此，很多数据需要通过网络进行传输,所有的,HDFS,通信协议都是构建在,TCP/IP,协议基础之上的,客户端通过一个可配置的端口向名称节点主动发起,TCP,连接，并使用客户端协议与名称节点进行交互,名称节点和数据节点之间则使用数据节点协议进行交互,客户端与数据节点的交互是通过,RPC,（,Remote Procedure Call,）来实现的。在设计上，名称节点不会主动发起,RPC,，而是响应来自客户端和数据节点的,RPC,请求,4.4,客户端,客户端是用户操作,HDFS,最常用的方式，,HDFS,在部署时都提供了客户端,HDFS,客户端是一个库，暴露了,HDFS,文件系统接口，这些接口隐藏了,HDFS,实现中的大部分复杂性,严格来说，客户端并不算是,HDFS,的一部分,客户端可以支持打开、读取、写入等常见的操作，并且提供了类似,Shell,的命令行方式来访问,HDFS,中的数据,此外，,HDFS,也提供了,Java API,，作为应用程序访问文件系统的客户端编程接口,4.5HDFS体系结构的局限性,HDFS,只设置唯一一个名称节点，这样做虽然大大简化了系统设计，但也带来了一些明显的局限性，具体如下：,（,1,）,命名空间的限制,：名称节点是保存在内存中的，因此，名称节点能够容纳的对象（文件、块）的个数会受到内存空间大小的限制。,（,2,）,性能的瓶颈,：整个分布式文件系统的吞吐量，受限于单个名称节点的吞吐量。,（,3,）,隔离问题,：由于集群中只有一个名称节点，只有一个命名空间，因此，无法对不同应用程序进行隔离。,（,4,）,集群的可用性,：一旦这个唯一的名称节点发生故障，会导致整个集群变得不可用。,5HDFS,存储原理,5.1,冗余数据保存,5.2,数据存取策略,5.3,数据错误与恢复,5.1,冗余数据保存,作为一个分布式文件系统，为了保证系统的容错性和可用性，,HDFS,采用了多副本方式对数据进行冗余存储，通常一个数据块的多个副本会被分布到不同的数据节点上，如图,3-5,所示，数据块,1,被分别存放到数据节点,A,和,C,上，数据块,2,被存放在数据节点,A,和,B,上。这种多副本方式具有以下几个优点：,（,1,）,加快数据传输速度,（,2,）,容易检查数据错误,（,3,）,保证数据可靠性,图,3-5 HDFS,数据块多副本存储,5.2,数据存取策略,数据存取策略包括数据存放、数据读取和数据复制等方面，它在很大程度上会影响到整个分布式文件系统的读写性能，是分布式文件系统的核心内容。,1.,数据存放,为了提高数据可靠性与系统可用性，以及充分利用网络带宽，,HDFS,采用了以机架（,Rack,）为基础的数据存放策略,块的副本放置策略,第一个副本：放置在上传文件的数据节点；如果是集群外提交，则随机挑选一台磁盘不太满、,CPU,不太忙的节点,第二个副本：放置在与第一个副本不同的机架的节点上,第三个副本：与第一个副本相同机架的其他节点上,更多副本：随机节点,HDFS,默认每个数据节点都是在不同的机架上，缺点是写入数据的时候不能充分利用同一机架内部机器之间的带宽。优点：首先，可以获得很高的数据可靠性，即使一个机架发生故障，位于其他机架上的数据副本仍然是可用的；其次，在读取数据的时候，可以在多个机架并行读取数据，大大提高了数据读取速度；再次，可以更容易实现系统内部负载均衡和错误处理。,5.2,数据存取策略,2.,数据读取,HDFS,提供了一个,API,可以确定一个数据节点所属的机架,ID,，客户端也可以调用,API,获取自己所属的机架,ID,当客户端读取数据时，从名称节点获得数据块不同副本的存放位置列表，列表中包含了副本所在的数据节点，可以调用,API,来确定客户端和这些数据节点所属的机架,ID,，当发现某个数据块副本对应的机架,ID,和客户端对应的机架,ID,相同时，就优先选择该副本读取数据，如果没有发现，就随机选择一个副本读取数据,5.2,数据存取策略,数据复制,HDFS,的数据复制采用了流水线复制的策略，大大提高了数据复制过程的效率,当客户端要往,HDFS,中写入一个文件时，这个文件会首先被写入本地，并被切分成若干个块，每个块的大小是由,HDFS,的设定值来决定的,每个块都向,HDFS,集群中的名称节点发起写请求，名称节点会根据系统中各个数据节点的使用情况，选择一个数据节点列表返回给客户端，然后，客户端就把数据首先写入列表中的第一个数据节点，同时把列表传给第一个数据节点,当第一个数据节点接收到,4KB,数据的时候，写入本地，并且向列表中的第二个数据节点发起连接请求，把自己已经接收到的,4KB,数据和列表传给第二个数据节点,当第二个数据节点接收到,4KB,数据的时候，写入本地，并且向列表中的第三个数据节点发起连接请求，依此类推，列表中的多个数据节点形成一条数据复制的流水线,最后，当文件写完的时候，数据复制也同时完成,5.3,数据错误与恢复,HDFS,具有较高的容错性，可以兼容廉价的硬件，它把硬件出错看作一种常态，而不是异常，并设计了相应的机制检测数据错误和进行自动恢复，主要包括以下几种情形：名称节点出错、数据节点出错和数据出错。,1.,名称节点出错,名称节点保存了所有的元数据信息，其中，最核心的两大数据结构是,FsImage,和,Editlog,，如果这两个文件发生损坏，那么整个,HDFS,实例将失效。因此，,HDFS,设置了备份机制，把这些核心文件同步复制到备份服务器,SecondaryNameNode,上。当名称节点出错时，就可以根据备份服务器,SecondaryNameNode,中的,FsImage,和,Editlog,数据进行恢复。,5.3,数据错误与恢复,2.,数据节点出错,每个数据节点会定期向名称节点发送“心跳”信息，向名称节点报告自己的状态,当数据节点发生故障，或者网络发生断网时，名称节点就无法收到来自一些数据节点的心跳信息，这时，这些数据节点就会被标记为“宕机”，节点上面的所有数据都会被标记为“不可读”，名称节点不会再给它们发送任何,I/O,请求,这时，有可能出现一种情形，即由于一些数据节点的不可用，会导致一些数据块的副本数量小于冗余因子,名称节点会定期检查这种情况，一旦发现某个数据块的副本数量小于冗余因子，就会启动数据冗余复制，为它生成新的副本,HDFS,和其它分布式文件系统的最大区别就是可以调整冗余数据的位置,5.3,数据错误与恢复,数据出错,网络传输和磁盘错误等因素，都会造成数据错误,客户端在读取到数据后，会采用,MD5,算法和,SHA1,算法对数据块进行校验，以确定读取到正确的数据,在文件被创建时，客户端就会对每一个文件块进行信息摘录，并把这些信息写入到同一个路径的隐藏文件里面,当客户端读取文件的时候，会先读取该信息文件，然后，利用该信息文件对每个读取的数据块进行校验，如果校验出错，客户端就会请求到另外一个数据节点读取该文件块，并且向名称节点报告这个文件块有错误，名称节点会定期检查并且重新复制这个块,6HDFS,数据读写过程,6.1,输入输出文件打开,6.2,读数据的过程,6.3,写数据的过程,FileSystem,是一个通用文件系统的抽象基类，可以被分布式文件系统继承，所有可能使用,Hadoop,文件系统的代码，都要使用这个类,Hadoop,为,FileSystem,这个抽象类提供了多种具体实现,DistributedFileSystem,就是,FileSystem,在,HDFS,文件系统中的具体实现,FileSystem,的,open(),方法返回的是一个输入流对象,FSDataInputStream,，在,HDFS,文件系统中，具体的输入流就是,DFSInputStream,FileSystem,中的,create(),方法返回的是一个输出流,FSDataOutputStream,对象，在,HDFS,文件系统中，具体的输出流是,DFSOutputStream,6.1 HDFS,输入输出文件打开,Configuration conf = new Configuration();,FileSystem fs = FileSystem.get(conf);,FSDataInputStream in = fs.open(new Path(uri);,FSDataOutputStream out = fs.create(new Path(uri);,备注：创建一个,Configuration,对象时，其构造方法会默认加载工程项目下两个配置文件，分别是,hdfs-site.xml,以及,core-site.xml,，这两个文件中会有访问,HDFS,所需的参数值，主要是,fs.default,FS,，指定了,HDFS,的地址（比如,hdfs:/localhost:9000,），有了这个地址客户端就可以通过这个地址访问,HDFS,了,6.1 HDFS,输入输出文件打开,6.2 HDFS,数据读过程,importjava.io.BufferedReader;,importjava.io.InputStreamReader;,importorg.apache.hadoop.conf.Configuration;,importorg.apache.hadoop.fs.FileSystem;,importorg.apache.hadoop.fs.Path;,importorg.apache.hadoop.fs.FSDataInputStream;,publicclassChapter3,publicstaticvoidmain(Stringargs),try,Configurationconf=newConfiguration();,FileSystemfs=FileSystem.get(conf);,Pathfile,name,=newPath(“,hdfs:/localhost:9000,/user/hadoop/test,.,txt);,FSDataInputStreamis=fs.open(filename);,BufferedReaderd=newBufferedReader(newInputStreamReader(,is,);,String,content,=d.readLine();,/,读取文件一行,System.out.println(,content,);,d.close();,/,关闭文件,fs.close();,/,关闭,hdfs,catch(Exceptione),e.printStackTrace();,读取文件,6.1,读数据的过程,FSDataInputStream,封装了,DFSInputStream,FileSystem fs = FileSystem.get(conf);,FSDataInputStream in = fs.open(new Path(uri);,Configuration conf = new Configuration();,import org.apache.hadoop.fs.FileSystem,通过,ClientProtocal.getBlockLocations(),远程调用名称节点，获得文件开始部分数据块的位置,对于该数据块，名称节点返回保存该数据块,的所有数据节点的地址,并根据距离客户端远近进行排序,客户端获得输入流,FSDataInputStream,以后,调用,read(),函数开始读取数据,输入流根据前面的排序结果,选择距离客户端最近的数据节点,建立连接并读取数据,数据从数据节点读到客户端，当该数据块读取完毕时,FSDataInputStream,关闭和该数据节点的连接,通过,ClientProtocal.getBlockLocations(),查找下一个数据块,6.2 HDFS,数据读过程,importorg.apache.hadoop.conf.Configuration;,importorg.apache.hadoop.fs.FileSystem;,importorg.apache.hadoop.fs.FSDataOutputStream;,importorg.apache.hadoop.fs.Path;,publicclassChapter3,publicstaticvoidmain(Stringargs),try,Configurationconf=newConfiguration();,FileSystemfs=FileSystem.get(conf);,bytebuff=Helloworld.getBytes();,/,要写入的内容,String,filename,=,hdfs:/localhost:9000,/user/hadoop/test,.,txt ;,/,要写入的文件名,FSDataOutputStreamos= fs.create(newPath(,filename,);,os.write(buff,0,buff.length);,System.out.println(Create:+,filename,);,catch(Exceptione),e.printStackTrace();,写入文件,6.3 HDFS,数据写过程,FileSystem fs = FileSystem.get(conf);,FSDataOutputStream out = fs.create(new Path(uri);,Configuration conf = new Configuration();,import org.apache.hadoop.fs.FileSystem,RPC,远程调用名称节点,在文件系统的命名空间中新建一个文件,名称节点会执行一些检查（文件是否存在，客户端权限）,FSDataOutputStream,封装了,DFSOutputStream,数据被分成一个个分包,分包被放入,DFSOutputStream,对象的内部队列,DFSOutputStream,向名称节点申请,保存数据块的若干数据节点,这些数据节点形成一个数据流管道,队列中的分包最后被打包成数据包,发往数据流管道中的第一个数据节点,第一个数据节点将数据包发送到第二个节点,依此类推，形成“流水线复制”,为了保证节点数据准确，接收到数据的数据节点要向发送者发送“确认包”,确认包沿着数据流管道逆流而上，经过各个节点最终到达客户端,客户端收到应答时，它将对应的分包从内部队列移除,DFSOutputStream,调用,ClientPplete(),方法,通知名称节点关闭文件,6.3 HDFS,数据写过程,7 HDFS,编程实践,Hadoop,提供了关于,HDFS,在,Linux,操作系统上进行文件操作的常用,Shell,命令以及,Java API,。同时还可以利用,Web,界面查看和管理,Hadoop,文件系统。备注：,Hadoop,安装成功后，已经包含,HDFS,和,MapReduce,，不需要额外安装。而,HBase,等其他组件，则需要另外下载安装。,7 HDFS,编程实践,在学习,HDFS,编程实践前，我们需要启动,Hadoop,。执行如下命令：,7.1HDFS,常用命令,HDFS,有很多,shell,命令，其中，,fs,命令可以说是,HDFS,最常用的命令。利用该命令可以查看,HDFS,文件系统的目录结构、上传和下载数据、创建文件等。该命令的用法为：,hadoop fs genericOptions commandOptions,实例：,hadoop fs -ls :,显示,指定的文件的详细信息,hadoop fs -mkdir :,创建,指定的文件夹,7.1HDFS,常用命令,实例：,hadoop fs -cat :,将,指定的文件的内容输出到标准输出（,stdout,）,hadoop fs -copyFromLocal :,将本地源文件,复制到路径,指定的文件或文件夹中,7.2HDFS,的,Web,界面,在配置好,Hadoop,集群之后，可以通过浏览器登录“,http:/NameNodeIP:50070”,访问,HDFS,文件系统,通过,Web,界面的“,Browse the filesystem,”,查看文件“,hdfs:/localhost/home/administrator/tempfile/file1.txt,”,7.3HDFS常用Java API及应用实例,利用,Java API,与,HDFS,进行交互,实例：利用,hadoop,的,java api,检测分布式文件系统,HDFS,上是否存在某个文件？,准备工作：在,Ubuntu,系统中安装和配置,Eclipse,第一步,:,放置配置文件到当前工程下面（,eclipse,工作目录的,bin,文件夹下面）,第二步：编写实现代码,7.3HDFS常用Java API及应用实例,编程实例,利用,Hadoop,的,Java API,检测分布式文件系统,HDFS,上是否存在某个文件？,下面编写一个简单的程序来测试分布式文件系统,HDFS,上是否存在,input.txt,文件？,第一步,:,放置配置文件到当前工程下面,需要把集群上的,core-site.xml,和,hdfs-site.xml(,这两文件存在,/hadoop/etc/hadoop,目录下,),放到当前工程项目下，即,eclipse,工作目录的,bin,文件夹下面。,7.3HDFS常用Java API及应用实例,7.3HDFS常用Java API及应用实例,importorg.apache.hadoop.conf.Configuration;,importorg.apache.hadoop.fs.FileSystem;,importorg.apache.hadoop.fs.Path;,publicclassChapter3,publicstaticvoidmain(Stringargs),try,String,filename,=,hdfs:/localhost:9000/user/,hadoop,/test,.txt,;,Configurationconf=newConfiguration();,FileSystemfs=FileSystem.get(conf);,if(fs.exists(newPath(,filename,),System.out.println(,文件存在,);,else,System.out.println(,文件不存在,);,catch(Exceptione),e.printStackTrace();,第二步：编写实现代码,7.3HDFS常用Java API及应用实例,本章小结,分布式文件系统是大数据时代解决大规模数据存储问题的有效解决方案，,HDFS,开源实现了,GFS,，可以利用由廉价硬件构成的计算机集群实现海量数据的分布式存储,HDFS,具有兼容廉价的硬件设备、流数据读写、大数据集、简单的文件模型、强大的跨平台兼容性等特点。但是，也要注意到，,HDFS,也有自身的局限性，比如不适合低延迟数据访问、无法高效存储大量小文件和不支持多用户写入及任意修改文件等,块是,HDFS,核心的概念，一个大的文件会被拆分成很多个块。,HDFS,采用抽象的块概念，具有支持大规模文件存储、简化系统设计、适合数据备份等优点,HDFS,采用了主从（,Master/Slave,）结构模型，一个,HDFS,集群包括一个名称节点和若干个数据节点。名称节点负责管理分布式文件系统的命名空间；数据节点是分布式文件系统,HDFS,的工作节点，负责数据的存储和读取,HDFS,采用了冗余数据存储，增强了数据可靠性，加快了数据传输速度。,HDFS,还采用了相应的数据存放、数据读取和数据复制策略，来提升系统整体读写响应性能。,HDFS,把硬件出错看作一种常态，设计了错误恢复机制,本章最后介绍了,HDFS,的数据读写过程以及,HDFS,编程实践方面的相关知识,