Hadoop分布式文件系统
hdfs 常用命令
hdfs 常用命令HDFS（Hadoop分布式文件系统）是ApacheHadoop项目的一部分，是一种分布式文件系统，它为应用程序提供高可用性，稳定性和可扩展性。
HDFS中的文件可以以分布式方式存储在不同的节点服务器上，从而允许存储容量更大的文件，因此可以更有效地处理海量数据。
HDFS也支持由命令行控制的文件和数据操作。
本文将介绍HDFS 的常用命令，以便在HDFS系统中更有效地管理文件和数据。
一、管理文件1. hadoop fslshadoop fsls命令用于查看HDFS文件，可以获得文件的元数据信息，包括文件名，权限，访问时间，文件大小等。
例如：hadoop fsls /user/hadoop/word.txt，可以查看用户hadoop下word.txt文件的基本信息。
2. hadoop fsmkdirhadoop fsmkdir命令用于创建HDFS目录，一次只能创建一级子目录，例如：hadoop fsmkdir /user/hadoop/test，可以创建用户hadoop下test目录。
3. hadoop fsputhadoop fsput命令用于将本地文件上传到HDFS上，例如：hadoop fsput /home/user/Desktop/word.txt /user/hadoop/word.txt，可以将本地的word.txt文件上传到用户hadoop的根目录下。
4. hadoop fsgethadoop fsget命令用于从HDFS上下载文件到本地，例如：hadoop fsget /user/hadoop/test/test.txt /home/user/Desktop/test.txt，可以将用户hadoop下test目录下的test.txt文件下载到本地桌面。
5. hadoop fsrmhadoop fsrm命令用于删除HDFS中的文件，例如：hadoop fsrm /user/hadoop/word.txt，可以删除用户hadoop下的word.txt文件。
Hadoop分布式文件系统（HDFS）详解
Hadoop分布式⽂件系统（HDFS）详解HDFS简介：当数据集的⼤⼩超过⼀台独⽴物理计算机的存储能⼒时，就有必要对它进⾏分区 (partition)并存储到若⼲台单独的计算机上。
管理⽹络中跨多台计算机存储的⽂件系统成为分布式⽂件系统 (Distributed filesystem)。
该系统架构于⽹络之上，势必会引⼊⽹络编程的复杂性，因此分布式⽂件系统⽐普通磁盘⽂件系统更为复杂。
HDFS是基于流数据模式访问和处理超⼤⽂件的需求⽽开发的，它可以运⾏于廉价的商⽤服务器上。
总的来说，可以将 HDFS的主要特点概括为以下⼏点：（1 ）处理超⼤⽂件这⾥的超⼤⽂件通常是指数百 MB、甚⾄数百TB ⼤⼩的⽂件。
⽬前在实际应⽤中， HDFS已经能⽤来存储管理PB(PeteBytes)级的数据了。
在 Yahoo！，Hadoop 集群也已经扩展到了 4000个节点。
（2 ）流式地访问数据HDFS的设计建⽴在更多地响应“⼀次写⼊，多次读取”任务的基础之上。
这意味着⼀个数据集⼀旦由数据源⽣成，就会被复制分发到不同的存储节点中，然后响应各种各样的数据分析任务请求。
在多数情况下，分析任务都会涉及数据集中的⼤部分数据，也就是说，对HDFS 来说，请求读取整个数据集要⽐读取⼀条记录更加⾼效。
（3 ）运⾏于廉价的商⽤机器集群上Hadoop设计对硬件需求⽐较低，只须运⾏在廉价的商⽤硬件集群上，⽽⽆须昂贵的⾼可⽤性机器上。
廉价的商⽤机也就意味着⼤型集群中出现节点故障情况的概率⾮常⾼。
这就要求在设计 HDFS时要充分考虑数据的可靠性、安全性及⾼可⽤性。
正是由于以上的种种考虑，我们会发现现在的 HDFS在处理⼀些特定问题时不但没有优势，⽽且有⼀定的局限性，主要表现在以下⼏个⽅⾯。
（1 ）不适合低延迟数据访问如果要处理⼀些⽤户要求时间⽐较短的低延迟应⽤请求，则 HDFS不适合。
HDFS 是为了处理⼤型数据集分析任务的，主要是为达到⾼的数据吞吐量⽽设计的，这就可能要求以⾼延迟作为代价。
hadoop项目结构及各部分具体内容
hadoop项目结构及各部分具体内容Hadoop是一个开源的分布式计算框架，由Apache基金会管理。
它的核心是Hadoop分布式文件系统（HDFS）和MapReduce计算模型。
其项目结构包括以下几个部分：1. Hadoop Common：这是Hadoop项目的核心模块，包含文件系统、I/O操作、网络通信、安全性等基本功能的实现。
2. Hadoop HDFS：这是Hadoop的分布式文件系统，用于存储和管理大量数据。
它将数据分割成块，将这些块存储在不同的计算机上，以实现数据的可靠性和高可用性。
3. Hadoop YARN：这是Hadoop的资源管理器，用于管理集群中的资源，包括内存、CPU、磁盘等。
它可以将集群资源分配给运行在集群上的应用程序，从而提高资源利用率。
4. Hadoop MapReduce：这是Hadoop的计算模型，用于在分布式环境下执行大数据处理任务。
MapReduce将任务分成更小的子任务，然后在不同的计算机上并行执行这些子任务，最后将结果合并。
除了以上核心部分，Hadoop还包括一些其他功能模块：1. Hadoop Hive：这是一个基于Hadoop的数据仓库，提供了SQL 查询功能。
它可以将结构化数据映射到Hadoop HDFS上，从而实现大规模数据的查询和分析。
2. Hadoop Pig：这是一个基于Hadoop的数据流语言和平台，用于进行大规模数据处理和分析。
它支持多种数据源和处理方式，可以快速地进行数据的转换和操作。
3. Hadoop HBase：这是一个基于Hadoop的分布式数据库，用于存储大量的结构化数据。
它支持高可用性、可靠性和扩展性，并提供了快速查询和插入数据的功能。
总之，Hadoop是一个强大的大数据处理框架，它的各个部分提供了不同的功能和特性，可以轻松地处理大规模数据。
hadoop技术、方法以及原理的理解
hadoop技术、方法以及原理的理解Hadoop技术、方法以及原理的理解Hadoop是一个开源的分布式计算框架，它能够存储和处理海量的数据。
它由Apache基金会开发和维护，是目前最流行的大数据处理解决方案之一。
Hadoop的技术、方法以及原理是构成Hadoop 的核心部分，下面我们将对其进行详细的解析。
一、Hadoop的技术1. HDFSHadoop分布式文件系统（HDFS）是Hadoop的核心组件之一。
它是一种高度容错的分布式文件系统，具有高可靠性和高可用性。
该文件系统将海量数据分散存储在多个节点上，以实现快速访问和处理。
2. MapReduceMapReduce是Hadoop的另一个核心组件，它是一种编程模型和处理数据的方式。
MapReduce将数据分成小的块，然后在分布式计算机集群上处理这些块。
MapReduce将任务分为Map和Reduce两个阶段。
在Map阶段，数据被分割并分配给不同的节点进行计算。
在Reduce阶段，计算的结果被合并起来并输出。
3. YARNHadoop资源管理器（YARN）是另一个重要的组件，它是一个分布式的集群管理系统，用于管理Hadoop集群中的资源。
YARN允许多个应用程序同时运行在同一个Hadoop集群上，通过动态管理资源来提高集群的使用效率。
二、Hadoop的方法1. 大数据存储Hadoop通过HDFS实现对海量数据的存储和管理。
HDFS的设计目标是支持大型数据集的分布式处理，它通过多个节点存储数据，提供高可靠性和高可用性。
2. 数据处理Hadoop通过MapReduce实现对海量数据的处理。
MapReduce 将数据分成小的块，然后在分布式计算机集群上处理这些块。
在Map阶段，数据被分割并分配给不同的节点进行计算。
在Reduce 阶段，计算的结果被合并起来并输出。
3. 数据分析Hadoop通过Hive、Pig和Spark等工具实现数据分析。
这些工具提供了高级查询和数据分析功能，可以通过SQL和其他编程语言来处理海量数据。
大数据_hadoop_分布式文件系统
2.HDFS
HDFS(Hadoop Distributed File System)是Hadoop项目 的核心子项目，是Hadoop主要应用的一个分布式文件系统。 注：HDFS只是Hadoop抽象文件系统的一个实例，还包括本地 文件系统、HFTP、S3等。
一、Hadoop文件系统
1.Hadoop文件系统
二、HDFS简介
1.HDFS
HDFS是基于流数据模式访问和处理超大文件的需求而开 发的，它可以运行于廉价的商用服务器上。
2.HDFS的主要特点：
（1）处理超大文件 实际应用中，HDFS已经用来存储PB级的数据了。 （2）流式的访问数据 运行在HDFS上的应用程序必须流式地访问他们的数据集。 HDFS的设计适合批量处理，而不是用户交互式的。重点是数 据吞吐量（通常分析任务都会涉及数据集的大部分数据不适合低延迟数据访问
HDFS是为了处理大型数据集分析任务，主要是为了达到 高的数据吞吐量而设计的，这就要求可能以高延迟为代价。 注：对于低延迟的访问需求，HBase是更好地选择。
（2）无法高效存储大量小文件 Hadoop中由namenode负责将文件系统中的元数据存储在 内存中，因此文件系统存储的文件总数受限于namenode的内 存容量。当存储大量的小文件时，会大大增加namenode的工 作压力，检索处理元数据所需的时间就会很长。
四、HDFS的基本操作
1.HDFS命令行操作
可以通过命令行接口和HDFS进行交互。
（1）下面以单机上运行Hadoop、执行单机伪分布为 例：
在单机伪分布中需要修改两个配置属性： ① 修改属性： 令 =hdfs://localhost/ 注：hadoop默认使用HDFS文件系统；在本机localhost运行 HDFS，其端口默认采用8020.
hadoop的生态体系及各组件的用途
hadoop的生态体系及各组件的用途
Hadoop是一个生态体系，包括许多组件，以下是其核心组件和用途：
1. Hadoop Distributed File System (HDFS)：这是Hadoop的分布式文件系统，用于存储大规模数据集。
它设计为高可靠性和高吞吐量，并能在低成本的通用硬件上运行。
通过流式数据访问，它提供高吞吐量应用程序数据访问功能，适合带有大型数据集的应用程序。
2. MapReduce：这是Hadoop的分布式计算框架，用于并行处理和分析大规模数据集。
MapReduce模型将数据处理任务分解为Map和Reduce两个阶段，从而在大量计算机组成的分布式并行环境中有效地处理数据。
3. YARN：这是Hadoop的资源管理和作业调度系统。
它负责管理集群资源、调度任务和监控应用程序。
4. Hive：这是一个基于Hadoop的数据仓库工具，提供SQL-like查询语言和数据仓库功能。
5. Kafka：这是一个高吞吐量的分布式消息队列系统，用于实时数据流的收集和传输。
6. Pig：这是一个用于大规模数据集的数据分析平台，提供类似SQL的查询语言和数据转换功能。
7. Ambari：这是一个Hadoop集群管理和监控工具，提供可视化界面和集群配置管理。
此外，HBase是一个分布式列存数据库，可以与Hadoop配合使用。
HBase 中保存的数据可以使用MapReduce来处理，它将数据存储和并行计算完美地结合在一起。
分布式存储系统及解决方案介绍
分布式存储系统及解决方案介绍分布式存储系统是指将数据分散存储在多个节点或服务器上，以实现高可靠性、高性能和可扩展性的存储解决方案。
分布式存储系统广泛应用于云计算、大数据分析和存储等领域。
本文将介绍几种常见的分布式存储系统及其解决方案。
1. Hadoop分布式文件系统（HDFS）：Hadoop分布式文件系统是Apache Hadoop生态系统的一部分，用于存储大规模数据集。
该系统基于块存储模型，将文件划分为块，并将这些块分布式存储在多个节点上。
HDFS使用主从架构，其中NameNode负责管理文件系统的命名空间和协调数据块的存储位置，而DataNode负责实际的数据存储。
HDFS提供了高吞吐量和容错性，但对于小型文件存储效率较低。
2. Ceph分布式文件系统：Ceph是一个开源的分布式存储系统，能够提供可伸缩的冗余存储。
其架构包括一个Ceph存储集群，其中包含多个Ceph Monitor节点、Ceph Metadata Server节点和Ceph OSD（对象存储守护进程）节点。
Ceph仅需依赖于普通的网络和标准硬件即可构建高性能和高可靠性的存储系统。
Ceph分布式文件系统支持POSIX接口和对象存储接口，适用于各种应用场景。
3. GlusterFS分布式文件系统：GlusterFS是一个开源的分布式文件系统，能够提供高可用性和可扩展性的存储解决方案。
它使用类似于HDFS的块存储模型，将文件划分为固定大小的存储单元，并将这些存储单元分布式存储在多个节点上。
GlusterFS采用主从架构，其中GlusterFS Server节点负责存储数据和文件系统元数据，而GlusterFS Client节点提供文件系统访问接口。
GlusterFS具有良好的可伸缩性和容错性，并可以支持海量数据存储。
4. Amazon S3分布式存储系统：Amazon S3（Simple Storage Service）是亚马逊云服务提供的分布式对象存储系统。
HDFS简介
HDFS简介作为Hadoop的核心技术之一，HDFS（Hadoop distributed File System，Hadoop分布式文件系统）是分布式计算中数据存储管理的基础。
它所具有的高容错高可靠性、高可扩展性、高获得性、高吞吐率等特征为海量数据提供了不怕故障的存储，为超大数据集（Large Data Set）的应用处理带来了很多便利。
HDFS放宽了一部分POSIX约束，来实现流式读取文件系统数据的目的。
HDFS在最开始是作为Apache Nutch搜索引擎项目的基础架构而开发的。
HDFS 是Apache Hadoop Core项目的一部分。
前提和设计目标硬件错误硬件错误是常态而不是异常。
HDFS可能由成百上千的服务器所构成，每个服务器上存储着文件系统的部分数据。
我们面对的现实是构成系统的组件数目是巨大的，而且任一组件都有可能失效，这意味着总是有一部分HDFS的组件是不工作的。
因此错误检测和快速、自动的恢复是HDFS最核心的架构目标。
流式数据访问HDFS的设计中更多的考虑到了数据批处理，而不是用户交互处理。
比之数据访问的低延迟问题，更关键的在于数据访问的高吞吐量。
POSIX标准设置的很多硬性约束对HDFS应用系统不是必需的。
为了提高数据的吞吐量，在一些关键方面对POSIX的语义做了一些修改。
大规模数据集HDFS上的一个典型文件大小一般都在G字节至T字节。
因此，HDFS被调节以支持大文件存储。
它应该能提供整体上高的数据传输带宽，能在一个集群里扩展到数百个节点。
一个单一的HDFS实例应该能支撑数以千万计的文件。
简单的一致性模型HDFS应用需要一个“一次写入多次读取”的文件访问模型。
一个文件经过创建、写入和关闭之后就不需要改变。
这一假设简化了数据一致性问题，并且使高吞吐量的数据访问成为可能。
Map/Reduce应用或者网络爬虫应用都非常适合这个模型。
“移动计算比移动数据更划算”一个应用请求的计算，离它操作的数据越近就越高效，在数据达到海量级别的时候更是如此。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
性和网络带宽的利用率。目前实现的副本存放策略只是在这个方向上的第一步。实现这个策略的短期目标是验证它在生产环 境下的有效性，观察它的行为，为实现更先进的策略打下测试和研究的基础。
约束，来实现流式读取文件系统数据的目的。HDFS 在最开始是作为 Apache Nutch 搜索引擎项目的基础架构而开发的。HDFS
是 Apache Hadoop Core 项目的一部分。这个项目的地址是 /core/。
前提和设计目标
硬件错误 硬件错误是常态而不是异常。HDFS 可能由成百上千的服务器所构成，每个服务器上存储着文件系统的部分数据。我们面对 的现实是构成系统的组件数目是巨大的，而且任一组件都有可能失效，这意味着总是有一部分 HDFS 的组件是不工作的。因 此错误检测和快速、自动的恢复是 HDFS 最核心的架构目标。
Namenode 在内存中保存着整个文件系统的名字空间和文件数据块映射(Blockmap)的映像。这个关键的元数据结构设计得很 紧凑，因而一个有 4G 内存的 Namenode 足够支撑大量的文件和目录。当 Namenode 启动时，它从硬盘中读取 Editlog 和 FsImage，将所有 Editlog 中的事务作用在内存中的 FsImage 上，并将这个新版本的 FsImage 从内存中保存到本地磁盘上， 然后删除旧的 Editlog，因为这个旧的 Editlog 的事务都已经作用在 FsImage 上了。这个过程称为一个检查点(checkpoint)。 在当前实现中，检查点只发生在 Namenode 启动时，在不久的将来将实现支持周期性的检查点。
集群中单一 Namenode 的结构大大简化了系统的架构。Namenode 是所有 HDFS 元数据的仲裁者和管理者，这样，用户数据 永远不会流过 Namenode。
文件系统的名字空间 (namespace) HDFS 支持传统的层次型文件组织结构。用户或者应用程序可以创建目录，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。当前，HDFS 不支持用户磁盘配额 和访问权限控制，也不支持硬链接和软链接。但是 HDFS 架构并不妨碍实现这些特性。
大型 HDFS 实例一般运行在跨越多个机架的计算机组成的集群上，不同机架上的两台机器之间的通讯需要经过交换机。在大 多数情况下，同一个机架内的两台机器间的带宽会比不同机架的两台机器间的带宽大。
通过一个机架感知的过程，Namenode 可以确定每个 Datanode 所属的机架 id。一个简单但没有优化的策略就是将副本存放 在不同的机架上。这样可以有效防止当整个机架失效时数据的丢失，并且允许读数据的时候充分利用多个机架的带宽。这种 策略设置可以将副本均匀分布在集群中，有利于当组件失效情况下的负载均衡。但是，因为这种策略的一个写操作需要传输 数据块到多个机架，这增加了写的代价。
Namenode 负责维护文件系统的名字空间，任何对文件系统名字空间或属性的修改都将被 Namenode 记录下来。应用程序可 以设置 HDFS 保存的文件的副本数目。文件副本的数目称为文件的副本系数，这个信息也是由 Namenode 保存的。 数据复制 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，除了最后一个，所 有的数据块都是同样大小的。为了容错，文件的所有数据块都会有副本。每个文件的数据块大小和副本系数都是可配置的。 应用程序可以指定某个文件的副本数目。副本系数可以在文件创建的时候指定，也可以在之后改变。HDFS 中的文件都是一 次性写入的，并且严格要求在任何时候只能有一个写入者。 Namenode 全权管理数据块的复制，它周期性地从集群中的每个 Datanode 接收心跳信号和块状态报告(Blockreport)。接收 到心跳信号意味着该 Datanode 节点工作正常。块状态报告包含了一个该 Datanode 上所有数据块的列表。
Hadoop 分布式文件系统：架构和设计
引言 前提和设计目标
o 硬件错误 o 流式数据访问 o 大规模数据集 o 简单的一致性模型 o “移动计算比移动数据更划算” o 异构软硬件平台间的可移植性 Namenode 和 Datanode 文件系统的名字空间 (namespace) 数据复制 o 副本存放: 最最开始的一步 o 副本选择 o 安全模式 文件系统元数据的持久化 通讯协议 健壮性 o 磁盘数据错误，心跳检测和重新复制 o 集群均衡 o 数据完整性 o 元数据磁盘错误 o 快照 数据组织 o 数据块 o Staging o 流水线复制 可访问性 o DFSShell o DFSAdmin o 浏览器接口 存储空间回收 o 文件的删除和恢复 o 减少副本系数 参考资料
“移动计算比移动数据更划算” 一个应用请求的计算，离它操作的数据越近就越高效，在数据达到海量级别的时候更是如此。因为这样就能降低网络阻塞的 影响，提高系统数据的吞吐量。将计算移动到数据附近，比之将数据移动到应用所在显然更好。HDFS 为应用提供了将它们 自己移动到数据附近的接口。
异构软硬件平台间的可移植性 HDFS 在设计的时候就考虑到平台的可移植性。这种特性方便了 HDFS 作为大规模数据应用平台的推广。
文件系统元数据的持久化 Namenode 上保存着 HDFS 的名字空间。对于任何对文件系统元数据产生修改的操作，Namenode 都会使用一种称为 EditLog 的事务日志记录下来。例如，在 HDFS 中创建一个文件，Namenode 就会在 Editlog 中插入一条记录来表示；同样地，修改 文件的副本系数也将往 Editlog 插入一条记录。Namenode 在本地操作系统的文件系统中存储这个 Editlog。整个文件系统的 名字空间，包括数据块到文件的映射、文件的属性等，都存储在一个称为 FsImage 的文件中，这个文件也是放在 Nameenode 和 Datanode 被设计成可以在普通的商用机器上运行。这些机器一般运行着 GNU/Linux 操作系统(OS)。HDFS 采用 Java 语言开发，因此任何支持 Java 的机器都可以部署 Namenode 或 Datanode。由于采用了可移植性极强的 Java 语言， 使得 HDFS 可以部署到多种类型的机器上。一个典型的部署场景是一台机器上只运行一个 Namenode 实例，而集群中的其它 机器分别运行一个 Datanode 实例。这种架构并不排斥在一台机器上运行多个 Datanode，只不过这样的情况比较少见。
引言
Hadoop 分布式文件系统(HDFS)被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统。它和现有的分布
式文件系统有很多共同点。但同时，它和其他的分布式文件系统的区别也是很明显的。HDFS 是一个高度容错性的系统，适
合部署在廉价的机器上。HDFS 能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。HDFS 放宽了一部分 POSIX
在大多数情况下，副本系数是 3，HDFS 的存放策略是将一个副本存放在本地机架的节点上，一个副本放在同一机架的另一 个节点上，最后一个副本放在不同机架的节点上。这种策略减少了机架间的数据传输，这就提高了写操作的效率。机架的错 误远远比节点的错误少，所以这个策略不会影响到数据的可靠性和可用性。于此同时，因为数据块只放在两个（不是三个） 不同的机架上，所以此策略减少了读取数据时需要的网络传输总带宽。在这种策略下，副本并不是均匀分布在不同的机架上。 三分之一的副本在一个节点上，三分之二的副本在一个机架上，其他副本均匀分布在剩下的机架中，这一策略在不损害数据 可靠性和读取性能的情况下改进了写的性能。
大规模数据集 运行在 HDFS 上的应用具有很大的数据集。HDFS 上的一个典型文件大小一般都在 G 字节至 T 字节。因此，HDFS 被调节以 支持大文件存储。它应该能提供整体上高的数据传输带宽，能在一个集群里扩展到数百个节点。一个单一的 HDFS 实例应该 能支撑数以千万计的文件。
简单的一致性模型 HDFS 应用需要一个“一次写入多次读取”的文件访问模型。一个文件经过创建、写入和关闭之后就不需要改变。这一假设简 化了数据一致性问题，并且使高吞吐量的数据访问成为可能。Map/Reduce 应用或者网络爬虫应用都非常适合这个模型。目 前还有计划在将来扩充这个模型，使之支持文件的附加写操作。
当前，这里介绍的默认副本存放策略正在开发的过程中。
副本选择 为了降低整体的带宽消耗和读取延时，HDFS 会尽量让读取程序读取离它最近的副本。如果在读取程序的同一个机架上有一 个副本，那么就读取该副本。如果一个 HDFS 集群跨越多个数据中心，那么客户端也将首先读本地数据中心的副本。
安全模式 Namenode 启动后会进入一个称为安全模式的特殊状态。处于安全模式的 Namenode 是不会进行数据块的复制的。Namenode 从所有的 Datanode 接收心跳信号和块状态报告。块状态报告包括了某个 Datanode 所有的数据块列表。每个数据块都有一 个指定的最小副本数。当 Namenode 检测确认某个数据块的副本数目达到这个最小值，那么该数据块就会被认为是副本安全 (safely replicated)的；在一定百分比（这个参数可配置）的数据块被 Namenode 检测确认是安全之后（加上一个额外的 30 秒等待时间），Namenode 将退出安全模式状态。接下来它会确定还有哪些数据块的副本没有达到指定数目，并将这些数据 块复制到其他 Datanode 上。
流式数据访问 运行在 HDFS 上的应用和普通的应用不同，需要流式访问它们的数据集。HDFS 的设计中更多的考虑到了数据批处理，而不 是用户交互处理。比之数据访问的低延迟问题，更关键的在于数据访问的高吞吐量。POSIX 标准设置的很多硬性约束对 HDFS 应用系统不是必需的。为了提高数据的吞吐量，在一些关键方面对 POSIX 的语义做了一些修改。