一种针对高可用性Hadoop分布式文件系统（HDFS）的机架感知模型建议-研究论文

像Hadoop这样的数据驱动模型已经在大数据分析中获得了极大的普及。 尽管通过资源管理基础架构的解耦来通过实现Hadoop框架进行了大量的努力，但是HDFS的元数据管理的集中式设计对Hadoop可伸缩性产生了不利影响，并导致了性能瓶颈。 一个名为NameNode的主节点（用于管理文件系统的整个名称空间（所有inode））已导致Hadoop群集中出现单点故障，名称空间受限和负载平衡问题。 本文提出了一种机架感知模型，该模型为每个机架提供一个Rack_Unit NameNode（RU_NN），以管理文件系统的命名空间以及机架中DataNode的心跳通信。 这将减少单个NameNode上的负载，还将减少从群集中所有DataNode到单个NameNode的通信开销。