分布式文件系统
系统是构建在普通的、廉价的机器上，因此故障是常态而不是意外
系统希望存储的是大量的大型文件（单个文件size很大）
系统支持两种类型读操作：大量的顺序读取以及小规模的随机读取（large streaming reads and small random reads.）
系统的写操作主要是顺序的追加写，而不是覆盖写
系统对于大量客户端并发的追加写有大量的优化，以保证写入的高效性与一致性，主要归功于原子操作record append
系统更看重的是持续稳定的带宽而不是单次读写的延迟gfs架构
gfs架构：
由三部分组成：gfs master、gfs client、gfs chunkserver。其中，gfs master任意时刻只有一个，而chunkserver和gfs client可能有多个。
一份文件被分为多个固定大小的chunk（默认64m），每个chunk有全局唯一的文件句柄 （一个64位的chunk id），每一份chunk会被复制到多个chunkserver（默认值是3)，以此保证可用性与可靠性。chunkserver将chunk当做普通的linux文件存储在本地磁盘上。
gfs master是系统的元数据服务器，维护的元数据包括：命令空间（gfs按层级目录管理文件）、文件到chunk的映射，chunk的位置。其中，前两者是会持久化的，而chunk的位置信息来自于chunkserver的汇报。
gfs master还负责分布式系统的集中调度：chunk lease管理，垃圾回收，chunk迁移等重要的系统控制。master与chunkserver保持常规的心跳，以确定chunkserver的状态。
gfs client是给应用使用的api。gfs client会缓存从gfs master读取的chunk信息（即元数据），尽量减少与gfs master的交互。
读取数据的流程：
应用程序调用gfs client提供的接口，表明要读取的文件名、偏移、长度。
gfs client将偏移按照规则翻译成chunk序号，发送给master
master将chunk id与chunk的副本位置告诉gfs client
gfs client向最近的持有副本的chunkserver发出读请求，请求中包含chunk id与范围
chunkserver读取相应的文件，然后将文件内容发给gfs client。--------？为什么是chunkserver在读取，而不是client直接读？
如对本文有疑问， 点击进行留言回复！！
去 HBase，Kylin on Parquet 性能表现如何？
如何找到Hive提交的SQL相对应的Yarn程序的applicationId
如何在 HBase Shell 命令行正常查看十六进制编码的中文？哈哈~
我要评论
网友评论