NameNode:是Master節點，集群老大
（1）管理文件系統中文件的元數據信息；
（2）維護文件到塊、塊到節點的對應關系；
（3）維護用戶對文件的操作信息（增刪改查）。

DataNode:Slave節點
（1）負責存儲客戶端（client）發來的數據塊block;
（2）執行數據塊的讀寫操作。

SecondaryNameNode：嚴格來說并不是NameNode備份節點，主要給NameNode分擔壓力
（1）周期性的將元數據節點的fsimage(文件系統目錄樹)和fsedits(文件系統元數據操作日志)合并，以防止日志文件過大。
（2）合并后的fsimage在從元數據節點保存了一份，以防止元數據節點失敗時恢復。

概念和特性
HDFS 是一個 文件系統，用于存儲文件，通過統一的命名空間—目錄樹來定位文件
其次，它是分布式的，由很多服務器聯合起來實現其功能，集群中的服務器有各自的角色；
HDFS核心概念

1.Blocks

物理磁盤中有塊的概念，磁盤的物理Block是磁盤操作最小的單元，讀寫操作均以Block為最小單元，一般為512 Byte。文件系統在物理Block之上抽象了另一層概念，文件系統Block物理磁盤Block的整數倍。通常為幾KB。Hadoop提供的df、fsck這類運維工具都是在文件系統的Block級別上進行操作。

HDFS的Block塊比一般單機文件系統大得多，默認為128M。HDFS的文件被拆分成block-sized的chunk，chunk作為獨立單元存儲。比Block小的文件不會占用整個Block，只會占據實際大小。例如， 如果一個文件大小為1M，則在HDFS中只會占用1M的空間，而不是128M。

2.HDFS的Block為什么這么大？

是為了最小化查找（seek）時間，控制定位文件與傳輸文件所用的時間比例。假設定位到Block所需的時間為10ms，磁盤傳輸速度為100M/s。如果要將定位到Block所用時間占傳輸時間的比例控制1%，則Block大小需要約100M。
但是如果Block設置過大，在MapReduce任務中，Map或者Reduce任務的個數 如果小于集群機器數量，會使得作業運行效率很低。

3.Block抽象的好處

block的拆分使得單個文件大小可以大于整個磁盤的容量，構成文件的Block可以分布在整個集群， 理論上，單個文件可以占據集群中所有機器的磁盤。
Block的抽象也簡化了存儲系統，對于Block，無需關注其權限，所有者等內容（這些內容都在文件級別上進行控制）。
Block作為容錯和高可用機制中的副本單元，即以Block為單位進行復制。

HDFS的優點
（1）高可靠性：hadoop按位存儲和處理數據的能力值得人們信賴
（2）高擴展性：hadoop是在可用的計算機集簇間分配數據并完成計算任務的，這些集簇可以方便地擴展到數以千計的節點中。
（3）高效性：hadoop 能夠在節點之間動態地移動數據，并保證各個節點的動態平衡1，因此處理速度非?？?。
（4）高容錯性：hadoop 能夠自動保存數據的多個副本，并且能夠自動將失敗的任務重新分配。

（1）可構建在廉價機器上；
（2）高容錯性；
（3）適合批處理；
（4）適合大數據處理；
（5）流式文件訪問。

HDFS的缺點
（1）不適合低延遲數據訪問

對延時要求在毫秒級別的應用，不適合采用HDFS。HDFS是為高吞吐數據傳輸設計的,因此可能犧牲延時HBase更適合低延時的數據訪問。

（2）無法高效存儲大量小文件

文件的元數據（如目錄結構，文件block的節點列表，block-node mapping）保存在NameNode的內存中， 整個文件系統的文件數量會受限于NameNode的內存大小。
經驗而言，一個文件/目錄/文件塊一般占有150字節的元數據內存空間。如果有100萬個文件，每個文件占用1個文件塊，則需要大約300M的內存。因此十億級別的文件數量在現有商用機器上難以支持。

（3）不支持多用戶寫入及任意修改文件

HDFS采用追加（append-only）的方式寫入數據。不支持文件任意offset的修改。不支持多個寫入器（writer）。

為什么HDFS不適合存儲小文件：

（1）所有的元數據都是存儲在NameNode內存中的，而一個NameNode節點的內存是有限的；
（2）小文件的存取占用了大量的NameNode內存，導致尋道時間超過了讀取時間；
（3）NameNode存儲block數目是有限的。
一個block元信息消耗大約150byte內存，加入存儲一億個block，則大約需要20GB內存。如果一個文件大小為10KB，則一億個文件大小僅為1TB，但NameNode就要消耗20GB內存。