1 - HDFS 的副本机制

HDFS 中的文件，在物理上都是以分块（block）存储的，块大小可以通过 hdfs-site.xml 文件中的参数 dfs.block.size 进行设置：

<!-- 块大小，单位：Byte -->
<property>
    <name>dfs.block.size</name>
    <value>134217728</value>
</property>

分块存储的好处有：

1）一个文件有可能大于集群中的所有磁盘，块机制可以很好地解决这个问题；

2）使用块作为文件存储的逻辑单位，可以简化存储子系统；

3）块非常适合用于数据备份（冗余的数据副本），进而提供数据容错能力。

文件块的副本存储示例图：

在 Hadoop 1.x 版本中，block 大小默认是 64M，Hadoop 2.x 版本默认是 128M。

块大小的设置是否合理，对系统性能影响很大：

2 - HDFS 的机架感知机制

HDFS 的机架感知，又叫机架策略，用来决定副本存放位置的策略。

以默认的副本数=3为例：

1）第一个副本块保存在客户端所在的 DataNode 上；

2）第二个副本块保存在客户端所在 DataNode 同机架内的其他 DataNode 上；

3）第三个副本块保存不同机架的某个 DataNode 上。

生产环境中，需要手动配置机架策略。

HDFS 的负载均衡机制，可以做到让每个 DataNode 上存储的数据的百分比相差不那么大。

HDFS 有一个自动的负载均衡操作，传输速度相对较慢，在集群规模较小的时候是可行的：

<!-- 集群空闲情况下，1M/s -->
 <property>
      <name>dfs.datanode.balance.bandwidthPerSec</name>
      <value>1048576</value>
 </property>

如果集群规模较大，为了防止负载均衡对正常的业务读写造成影响，应当在集群空闲的时候，手动执行负载均衡。

手动命令如下：

# 任意两个节点之间的存储百分比不超过10%
sbin/start-balancer.sh -t 10%