章节内容
上一节完成：
Hadoop历史服务器配置
Hadoop历史日志聚集
Hadoop历史日志可视化
背景介绍
这里是三台公网云服务器，每台 2C4G，搭建一个Hadoop的学习环境，供我学习。
之前已经在 VM 虚拟机上搭建过一次，但是没留下笔记，这次趁着前几天薅羊毛的3台机器，赶紧尝试在公网上搭建体验一下。
注意，如果你和我一样，打算用公网部署，那一定要做好防火墙策略，避免不必要的麻烦！！！
请大家都以学习为目的，也请不要对我的服务进行嗅探或者攻击！！！
但是有一台公网服务器我还运行着别的服务，比如前几天发的：autodl-keeper 自己写的小工具，防止AutoDL机器过期的。还跑着别的Web服务，所以只能挤出一台 2C2G 的机器。那我的配置如下了：
2C4G 编号 h121
2C4G 编号 h122
2C2G 编号 h123
请确保上一章节已经全部跑通！
HDFS 简介
HDFS （全称：Hadoop Distribute File System，Hadoop 分布式文件系统）是 Hadoop 核心组成，是分布式存储服务。
分布式文件系统横跨多台计算机，在大数据时代有着广泛的应用前景，它们为存储和处理超大规模数据提供所需的扩展能力。
HDFS是分布式文件系统中的一种。
HDFS 通过统一的命名空间目录树来定位文件； 另外，它是分布式的，由很多服务器联合起来实现。集群中的服务器有各自的角色。
典型的 Master/Slave 架构 集群往往是 一个NameNode + 多个DataNode （HA下是2个NameNode）NameNode是主节点，DataNode是从节点。
分块机制（block机制）HDFS中是按分块存储的，Hadoop2.x版本默认是128MB一块
命名空间（NameSpace）支持传统的文件组织结构，用户或程序可以创建目录，将文件保存到文件夹中。NameNode负责维护文件系统的名字空间，所有操作都会被NameNode记录下来。
NameNode元数据管理，元数据中记录每一个文件对应的block信息
DataNode数据存储，文件的各个block具体由DataNode节点承担，一个block会由多个DataNode进行存储。DataNode定时向NameNode来汇报自己的信息。
副本机制。为了容错，每个block都有自己的副本。每个文件的block大小和副本系数都是可以配置的。副本系数可以在创建文件的时候指定，也可以在之后改变，副本数量默认是3个。
一次写入，多次写出。HDFS设计成一次写多次读的场景。且不支持修改，支持追加写入，但是不能随机写更新。
具体的组成结构如下图：
NameNode
NameNode（nn）HDFS集群的管理者，Master
维护管理HDFS的名称空间 NameSpace
维护副本策略
记录文件块Block的映射信息
负责处理客户端的读写请求
DataNode
NameNode下达命令，DataNode执行实际操作，Slave。
保存实际的数据块
负责数据块的读写
Client
上传文件到HDFS的时候，Client负责将文件切分成Block，然后进程上传。
请求NameNode交互，获取文件的位置信息
读取或写入文件，与DataNode交互
Client可以使用一些命令来管理HDFS或者访问HDFS
HDFS 读数据
客户端Distributed FileSystem 向 NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
挑选一台DataNode（就近选择，然后随机），请求读取数据
DataNode开始传输数据给客户端，从磁盘里读取数据输入流，以Packet单位来做校验。
客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。
HDFS 写数据
客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。
NameNode返回是否可以上传
客户端请求第一个Block上传到哪几个DataNode服务器
NameNode返回3个DataNode节点，分别为 dn1, dn2, dn3
客户端通过 FSDataOutputStream模块请求上传 dn1，dn1接到请求后会继续调用dn2，dn2再调用dn3。然后dn1，dn2、dn3逐级应答客户端。
客户端开始往dn1上传第一个Block（先从磁盘读取数据放到一个本地缓存），以Packet为单位，dn1收到一个Packet就传给dn2，dn2给dn3，dn1每传一个Packet会放入一个确认队列等待确认。
当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器
