Hadoop入门教程：HDFS的块

Hadoop入门教程：HDFS的块，块是文件系统中的一个很重要的概念。在UNIX/Linux系统中有一个数据块(Data Block)的概念，Data Block是文件系统读写的最小数据单元。

一般在文件系统中数据块的大小是512字节，一个文件所占的大小就是数据块大小的整数倍，对于用户来讲对文件的访问/存取都是透明的，同样系统管理员可以利用系统本身的命令对数据块进行相关操作。因此单从文件系统来讲，HDFS也有一个块(Block)的概念，不同之处在于HDFS为了满足大数据的效率和整个集群的吞吐量选择了更大的数值，默认为64MB。

和一般的文件系统不同的是：虽然块设置得比较大，但是当一个文件的大小小于HDFS的块大小时，实际存储所占的大小并不占用一个块的大小。

客户端在读取HDFS上的一个文件时就以块为基本的数据单元。例如一次简单读取，首先，客户端把文件名和程序指定的字节偏移，根据固定的Block大小，转换成文件的Block索引。然后，客户端把文件名和Block索引发送给Master节点，Master节点将相应的Block标识和副本的位置信息返回给客户端，客户端用文件名和Block索引作为key缓存这些信息，之后客户端发送请求到其中的一个副本，一般会选择最近的。

请求信息包含了Block的标识和字节范围。在对这个Block的后续读取操作中，客户端不必再和Master节点通信了，除非缓存的元数据信息过期或文件被重新打开。实际上，客户端通常会在一次请求中查询多个Block信息，Master节点的回应也可能包含了紧跟着这些被请求的Block后面的Block的信息。在实际应用中，这些额外的信息在不花费任何代价的情况下，避免了客户端和Master节点未来可能会发生的几次通信。