1.分布式文件系统理解
使用低配置电脑配置成集群，存储管理单台电脑不能处理的大型文件。
直观理解三个臭皮匠，顶个诸葛亮。
很多磁盘加一起就可以装超多电影。
类似于你出5毛，我出5毛，我们一起凑一块。
2.hdfs优缺点
优点：
a.高容错性：数据自动保存多个副本；通过增加副本的形式，提高容错性。一个副本丢失以后，它可以自动恢复。
b.适合处理大数据：数据规模达到GB、TB甚至PB级数据；能够处理百万规模以上的文件数量，数量相当大；能够处理10k节点规模。
c.可构建在廉价机器上，通过多副本机制，提高可靠性。
d.适合批处理:它是通过移动计算不是移动数据；它会把数据位置暴露给计算框架。
e.流式数据访问：一次写入，多次读取，不能修改，只能追加，能保证数据的一致性。
缺点：
a.不适合低延时数据访问，做不到毫秒级的数据存储；
b.无法高效的对大量小文件进行存储，存储小量文件，会占用NameNode大量内存来存储文件、目录、块信息。小文件存储的寻道时间会超过读取时间，违反了hdfs的设计目标。
c.不支持并发写入：一个文件只能有一个写，不允许多个线程同时写入；仅支持数据追加，不支持文件的随机修改。
3.hdfs的架构详细剖析
数据以block块的形式统一存储管理，每个块默认最多可存储128M的文件，如果有一个文件大小为1kb，也是要占用一个block块，但是实际磁盘空间还是1kb大小。
每个block块的元数据大小大概为150字节。
a）hdfs集群包括NameNode、DataNode、SecondaryNameNode。
b）NameNode负责管理整个文件系统的元数据，以及每一个路径（文件）所对应的的块信息。
c）DataNode负责管理用户的文件数据块，每一个数据块可以在多个datanode上存储多个副本。
d）SecondaryNode用来监控hdfs状态的辅助后台程序，每隔一段时间获取hdfs元数据的快照。最主要作用是辅助NameNode管理元数据信息。
