在现代的企业环境中，单机容量往往无法存储大量数据，需要跨机器存储。统一管理分布在集群上的文件系统称为分布式文件系统。
HDFS
HDFS(Hadoop DistRibuted file system)是 Apache Hadoop 项目的一个子项目. Hadoop 非常适于存储大型数据 (比如 TB 和 PB), 其就是使用 HDFS 作为存储系统. HDFS 使用多台计算机存储文件, 并且提供统一的访问接口。
HDFS是根据谷歌的论文：《The Google file system》进行设计的
HDFS的四个基本组件:HDFS client、NaMEnode、DataNode和SecondaRy NaMEnode。
client
client是客户端。HDFS client文件切分。文件上传 HDFS 的时候，client 将文件切分成 一个一个的Block，然后进行存储。client 提供一些命令来管理 和访问HDFS，比如启动或者关闭HDFS。
NaMEnode
NaMEnode就是 Master，它是一个主管、管理者。管理 HDFS 元数据(文件路径，文件的大小，文件的名字，文件权限，文件的block切片信息)。
NaMEnode管理 Block 副本策略：默认 3 个副本，处理客户端读写请求。
DataNode
DataNode就是Slave。NaMEnode下达命令，DataNode 执行实际的操作。
DataNode存储实际的数据块，执行数据块的读/写操作。定时向naMEnode汇报block信息。
SecondaRy NaMEnode
SecondaRyNaMEnode不是NaMEnode的备份。当NaMEnode挂掉的时候，它并不能马上替换NaMEnode并提供服务。
辅助 NaMEnode，分担其工作量。在紧急情况下，可辅助恢复 NaMEnode。
副本机制
HDFS被设计成能够在一个大集群中跨机器可靠地存储超大文件。它将每个文件存储成一系列的数据块，这个数据块被称为block，除了最后一个，所有的数据块都是同样大小的。
为了容错，文件的所有block都会有副本。每个文件的数据块大小和副本系数都是可配置的。
在hadoop2 当中, 文件的 block 块大小默认是 「128M」(134217728字节)。
如上图所示，一个大小为300M的a.txt上传到HDFS中，需要进行128M的切分，不足128M分为到另一block中。
HDFS基本命令
HDFS 简单使用
根据部署的服务，我们的 HDFS 根目录是 hdfs://192.168.147.128:9820，下面我们尝试在根目录下面创建子目录 User，如下命令所示：
[hadoop@node01 ~]$ hadoop fs -MkdiR /User
然后在Hadoop页面打开HDFS。
此时的User文件夹将会看见。
下面将一个大小为300M的文件上传到HDFS的User文件夹中
然后在Hadoop页面看见刚刚上传的文件。
此时被分开了三个block。
