一、HDFS设计目标

硬件故障是常态，HDFS可能由成百上千的服务器组成，每一个组件都有可能出现故障。因此故障检测和自动快速恢复是HDFS的核心架构目标
HDFS上的应用主要是以流式读取数据。HDFS被设计成用于批处理，而不是用户交互的。相较于数据访问的反应时间，更注重数据访问的高吞吐量。
典型的HDFS文件大小是GB到TB的级别。所以，HDFS被调整成支持大文件。它应该提供很高的聚合数据带宽，一个集群中支持数百个节点，一个集群中还应该支持千万级的文件。
大部分HDFS应用对文件要求的是write-one-read-many访问模型。一个文件一旦创建、写入、关闭之后就不需要修改了，这一假设简化了数据一致性问题，使高吞吐量的数据访问成为可能。
移动计算程序的代价比之移动数据的代价低。一个应用请求的计算，离它操作的数据越近就越高效。将计算程序移动到数据附近，比之将数据移动到应用所在服务器显然更好。
HDFS被设计为可从一个平台轻松移植到另一个平台。这有助于将HDFS广泛用作大量应用程序的首选平台。

二、HDFS应用场景

HDFS中的文件在物理上是分块存储的，块的大小通过配置参数来规定，参数位于hdfs-default.xml中：dfs.blocksize。Hadoop1.0时默认为64M，2.0开始变成了128M。想修改默认大小时，修改hdfs-site.xml文件即可。
块大小设置原理：按照经验，寻址时间占读取数据的时间的1%为最佳，又因为寻址时间一般为10ms，所以读取数据的时间最好为1s，因此，在当前大部分磁盘读取速度为100MB/s的时候，单块的大小应该为100M左右，所以是128M，如果磁盘读取速度为200MB/s，可设置为256M，400MB/s时，可为512M

文件的所有block都会有副本。每个文件的block大小（dfs.blocksize）和副本系数（dfs.replication）都是可配置的。副本系数可以在文件创建的时候指定，也可以在之后通过命令改变。
默认dfs.replication的值是3，也就是会额外复制2份，连同本身总共3份。

HDFS支持传统的层次型文件组织结构。用户可以创建目录，然后将文件保存在这些目录里。文件系统名字空间的层次结构和大多数现有的文件系统类似：用户可以创建、删除、移动或重命名文件。
Namenode负责维护文件系统的namespace名称空间，任何对文件系统名称空间或属性的修改都将被Namenode记录下来。
HDFS会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data。

在HDFS中，Namenode管理的元数据具有两种类型