谷歌文件系统块大小

Question

为什么GFS中的块大小为64Mb，但当文件大小不是64的倍数时可能导致内部碎片？

Answer 1

在他们的目标应用程序中，文件更可能很大。块服务器可以执行大的顺序读取而不是许多小读取，从而提高吞吐量。

GFS 论文中提到的三个原因：

1. 降低主机负载。 GFS 的主服务器只提供块的元数据，而不提供块内容。因此，如果块相对较大，发送到主服务器的请求将更少。
2. 减少网络开销，它鼓励应用程序在单个块和持久网络连接上完成许多操作。应用程序获取数据的请求也更少。
3. 减少存储在主服务器中的元数据大小。 GFS 的设计中只有一台主服务器。块的所有元数据都存储在主服务器的内存中，以减少延迟并提高吞吐量。大块意味着更少的元数据，更少的元数据意味着更少的元数据加载时间。

此外，元数据分布在块服务器上以解决局部性问题，而不是主服务器。当主服务器启动时，它会从所有块服务器加载元数据。因此，更少的元数据意味着更少的启动时间。

为了限制大块大小的影响，GFS 使用惰性空间分配，即如果一个文件只有 1 MB 大小，GFS 只向文件系统请求 1 MB 而不是 64 MB，以避免浪费空间到内部碎片化。

值得一提的是，GFS 的继任者 Colossus 将数据块大小从 64MB 减少到 1MB。

Answer 2

这些系统是为处理较大的文件而开发的。同样，默认情况下 HDFS 使用 128 MB。