El Sistema de Archivos Distribuido Hadoop

El Sistema de Archivos Distribuido Hadoop (HDFS) está diseñado para almacenar conjuntos de datos muy grandes de manera confiable y para transmitir esos conjuntos de datos a alta velocidad de conexión a aplicaciones de usuario. En un gran clúster, miles de servidores alojan almacenamiento directamente conectado y ejecutan tareas de aplicaciones de usuario. Al distribuir el almacenamiento y la computación a través de muchos servidores, el recurso puede crecer con la demanda mientras se mantiene económico en cualquier tamaño. Describimos la arquitectura de HDFS e informamos sobre la experiencia usando HDFS para gestionar 25 petabytes de datos empresariales en Yahoo!.