刘 文 杰

(大连理工大学 软件学院，辽宁 大连 116621)

0 引 言

云计算已经成为互联网服务的重要支撑。通过对软件即服务(Software as a Service,SaaS)概念的扩展和延伸，使云计算能够提供移动化的超级计算服务，以及大型数据中心的数据处理服务[1]。云计算的应用已经成为计算机技术发展的重要方向。

Hadoop是Apache开源组织的分布式开源云计算编程平台，已经成为主流网络应用的重要组成部分，其扩展功能也在不断增强[2]。该平台依靠其在扩展性、经济性、可靠性、高效性等方面的绝对优势，成为海量数据中心、搜索引擎、分布式集群计算等重要应用领域的核心处理平台[3]。由于其开放式框架的特点，Hadoop平台能够在集群平台上处理大型数据库应用，通过HDFS和MapReduce实现备份恢复机制和人物监控，这一理念已经在很多大型网站上得到了应用，可以说是目前最为广泛应用的开源云计算软件平台[4]。Hadoop平台为项目开发过程带来了新的理念，通过并行计算方式发实现分布式计算框架中海量数据的分割，程序设计人员可以在不改变开发方式的情况下，实现云计算应用系统的并行化[5]。Hadoop平台的开放性和可延续性，其优缺点需要在长期的使用过程中加以验证和修正。

1 HDFS体系结构

Hadoop分布式文件系统(Hadoop Distgributed File System,HDFS)主要运行在通用硬件(commodity hardware)上，为分布式计算存储提供底层应用支持[6]。该系统具有高容错性、高吞吐量等特点，使其在较低的硬件资源平台中提供大规模数据及应用，并通过降低POSIX约束，实现流失读取文件系统数据功能。……