关于HDFS1.0的知识可以看看这篇文章
下面我们根据HDFS2.0的一些新特性，从HA（高可用）、Federatio（联邦）、快照、缓存、ACL（权限）等方面来聊聊
HA（高可用）
首先我们要知道HA，是为了解决什么问题呢？
这是为了解决单点故障的问题，虽然HDFS1.0中有SNN（SecondaryNameNode），但是并不可靠，在HDFS2.0中，使用两个NameNode，一个Active，另一个StandBy。我们先看一下流程图，再详细讲解
我们从下往上说
1.为了保证两个NameNode的数据一致性，DataNode要对两个NameNode同时发送心跳
2.ActiveNameNode承担所有与客户端的操作，读写删除等操作
3.StandByNameNode不做其他操作，与active保持一个通信关系，与active保持数据同步。如果active挂掉，standby要做好称为active的准备
4.JN：主要目的是让ActiveNN和StandByNN保持数据同步（下面我们再详细讲）
5.引入ZooKeeper的目的是为了协调分布式集群中各个节点工作有序运行，完成故障转移
对流程有一个大概的了解之后，我们再针对细节讲解一下
1.引入Zookeeper主要是为了协调运行和完成故障转移，那么具体是怎么做到的呢？
a）在HDFS2.0中，ZKFC（ZooKeeperFailoverController-故障转移控制）是一个进程，和NN部署在同一个机器上，ZKFC的目的是负责对自己管辖之内的NN进行健康检查，通俗说就是检查NN是否挂掉。
ZKFC会在Zookeeper上注册一个临时节点，目的用于监控NN，一旦NN挂掉，相对应的临时节点消失，接下来开始选主（申请锁）流程
b）引入Zookeeper也是为了避免分歧，在任何情况下，NameNode只有一个active状态，否则导致数据的丢失及其他不正确的结果。在任何时间，JNs只允许一个NN充当writer，在故障恢复期间，将要变成active状态的NN将取得writer的角色，并阻止另外一个NN继续处于active状态
2.JN(JournalNodes),我们思考一个问题，DataNode要对两个NN同时发送心跳，目的保证一致性，但是为什么还需要JN？
这是因为两者保证的数据类型不同，JN是文件-->block，DadaNode的心跳是block-->DN，数据丢失可以根据心跳恢复，无需JN保管。
JN通常配置成奇数个（2N+1），如果N个数据是一致的，那么数据就能确定下来，会去同步standby目录镜像树
JN有两种技术选择
一是NFS,采用网络挂载的方式，需要额外的磁盘空间
二是QJM（最低法定人数管理机制），它的原理是，用2n+1台机器存储edit log，每次写数据操作属于大多数（n+1）时候，返回成功，保证高可用，本质上也是一个小集群。使用QJM有以下好处
a）不需要额外的磁盘空间
b）无单点问题
c）不会因为个别机器延迟，影响整体性能（大多数n+1的时候，返回成功），也不会因为JN的数据增多而影响（active数据变化会同步发送到JN上）
d）通过简单的系统配置就可以实现
3.节点的部署情况
1）NN和JN通常不在一台机器上
2）FC和NN在同一台机器上
3）RM（Yarn中的资源管理器，相当于1.0中的jobtracker的部分功能）和NN在同一台机器
4）zookeeper通常是单独维护的一套独立集群
NameNode Federation（联邦）
集群中提供多个NameNode，每个NameNode负责管理一部分的DataNode，目的是减轻单一的NameNode压力，将一部分文件转移到其他NameNode上管理
本质上是将元数据原理（NN）和存储（DN）进行解耦，但是实际情况是：数据的存储仍然是共享的
联邦实现了NameNode的横向扩展,使得Hadoop集群的规模可以达到上万台，突破了单独的NN的限制，支持更多数据存储
HDFS快照
HDFS快照是一个只读的基于时间点的文件系统拷贝，本质上也会占用空间（仅仅记录了block列表和大小而已，并不涉及数据本身的复制），快照创建的过程非常快，瞬间完成，很高效。
HDFS快照的作用主要是数据备份，灾备，快速恢复
HDFS缓存
HDFS缓存是集中式的缓存（不局限于具体的机器CPU和操作系统层面上的优化），集中式的缓存管理对于重复访问的文件很有用，允许用户指定要缓存的HDFS路径，而且明确的锁定可以阻止频繁使用的数据被从内存中清除
ACL(权限控制）
目前HDFS的权限控制与Linux一致，包括用户、用户组、其他用户组三类权限，这种方式有很大局限性，通过以下这张图就能了解权限是怎么构成的了
