如果需要的话，那么我的系统中岂不是会存储两份？

Question

我有500G的数据，分别存储在机器A、B上，为了快速分析数据，我使用A,B,C,D四台机器做了一个hadoop集群。A是master。请问我是否需要将这500G的数据先上传到hadoop中？

Answer 1

是必须把这500G上传到你Hadoop的文件系统（HDFS）中HDFS中，默认是会存储3份（为了数据高可用和就近访问）的，也就是会在你的BCD三个节点中共占用1500G空间，你可以手工设置冗余的份数。你通过hdfs的命令只看到一个500G的文件，实际上它们被拆成64m大小的块了（块大小也可以设），每块都有3份最后，再次建议你找相关的文档阅读、实践，反复钻研了百思不得其解的问题再来求助。你要做项目的，这点学习成本是应该付出的。你这一下就发了两个这么入门级的问题，虽然我都耐心回答了，但对你对我效率都太低了。