這個標題好像有點奇怪，我主要是要表達Hadoop為什麼可以彈性擴充..還有介紹一下Hadoop的分散式架構..
Hadoop是一個可以進行大量分散運算的架構，
前面有提到最主要兩個要素是NameNode與DataNode，
DataNode可以一直擴充，NameNode會記錄他有管哪幾個DataNode。

我們在進行大量運算的時候，一般而言我們會先把要運算的資料，先載入到一個儲存的空間裡。
前面有提到，BigData基本上都是TB，所以要在一台主機上直接放上幾十TB的資料，
會花費很昂貴的成本，但是Hadoop的分散式儲存架構(Hadoop Distributed File System)，也就是HDFS，可以把一個很大的檔案切割很多區塊，每個區塊會按照設定的副本數儲存到DataNode上。
從這邊就可以看到兩個優點，第一個當檔案分散為很多區塊的時候，這樣就可以從不一樣的主機，讀取同檔案的不同區塊，最後在NameNode組合起來，可以分散I/O的處理。
第二個就是副本的機制，多副本的好處是，當其中一台DataNode壞掉的時候，若其他DataNode有保留這個複本，就可以避免這個檔案的該區塊毀壞，也避免整個檔案毀壞。

所以說大象要伸縮的彈性就變很容易，若要運算的資料很大量，就增加多一點機器或是拿一些平常不會使用的機器，若不需要那麼多資源，其實也可以再把機器移掉或關閉，只要能確保要運算的檔案，至少有一個區塊的副本在現有的DataNode上。

不過一般而言也不會刻意把機器關閉就是...但是結合Amazon的服務的話，就真的可以在運算的時候啟動這些節點，平常把他關閉就好。

今天比較偏向講HDFS分散式儲存的部分，當介紹Map/Reduce的時候，會比較了解Hadoop如何做分散式的運算，同時也會提到很重要的一點，就是本地最佳化，當Hadoop分散式做運算的時候，該運算節點會偏好去取得該台主機原本就有的資料區塊，這樣才不會當我在A node做運算，結果資料在B Node，還需要B Node把要算的區塊透過網路傳到A Node，這樣就會慢了許多。

明天就要上班了阿...好想繼續放假 哈