简述HDFS框架_hdfs是什么技术框架

        Hadoop 分布式文件系统 (HDFS) 是一个高度容错性的系统，HDFS能提高吞吐量的数据访问，非常适合大规模数据集上的目的。HDFS放宽一部分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。

硬件容错：
硬件故障很常见；因此，故障检测和快速自动恢复是HDFS的核心架构。
流数据访问：
        在HDFS上运行的应用程序需要队其数据进行流式访问。HDFS不是用于提供普通应用访问的文件系统，HDFS的设计更多用于批量处理，而不是用户的交互式访问。重点是数据访问的高吞吐量，而不是数据访问的低延迟。POSIX施加了许多难于为HDFS定位的应用程序所需的硬要求。POSIX语义在几个关键领域已被交易，以提高数据吞吐率。
大数据集：
        在HDFS上运行的应用程序具有较大的数据集。HDFS中的典型文件大小为千兆字节。因此，HDFS被调整为支持大文件。它应该提供高聚合数据带宽并扩展到单个集群中的数百个节点。它应该在一个实例中支持数千万个文件。
简单一致性模型:
         HDFS数据访问模式为一次写入多次读取。文件一旦创建、写入和关闭后，除了追加和截断，文件内容不再变化将内容附加到文件的末尾是受支持的，但不能随意更新。该假设简化了数据一致性问题，并实现了高吞吐量数据访问。MapReduce应用程序或Web爬虫程序应用程序与此模型完美匹配。
HDFS框架组成：
        一个HDFS集群是由一个NameNode和一定数量的DataNodes组成。
NameNode ：
        NameNode 是一个中心服务器，负责文件系统的名字空间以及客户端对文件的访问。
NameNode管理文件系统的命名空间：

1. 文件和目录的元数据：
           文件的block副本个数； 修改和访问的时间 ； 访问权限 ； block大小及组成文件的block信息。
2. 以两种方式在NameNode 本地进行持久化
           命名空间镜像文件（fsimage）和编辑日志（edits log）
   SecondNameNode：
   Edits log 会随着对文件系统的操作而无限制的增长，这样如果NameNode重启，就会需要很长的时间执行edits log 的记录以更新fsimage，SecondNameNode就是为解决这个问题存在的。可以在SecondNameNode中将日志和fsimage合并，并重新传说给NameNode。
   DataNode ：
           集群中的Datanode一般是一个节点一个，负责管理它所在节点上的存储。
   DataNode存储数据模型：
           文件线性切割成块 （Block） ； Block分散存储在集群结点中 ； 单一文件Block大小一致，文件与文件可以不一致 ； Block可以设置副本数，副本分布在不同的结点中 ； 文件上传可以设置Block大小和副本数 ； 已上传的文件副本数可以调整，大小不变 ； 只支持一次写入多次读取，同时只有一个写入者 ； 可以append追加数据 。