HDFS基本概念及基本操作

HDFS基本概念篇

1. HDFS 前言

• 设计思想:
  
  • 分而治之： 将大文件、大批量文件，分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析。
• 在大数据系统中作用:
  
  • 为各类分布式运算框架（如：mapreduce，spark，tez，……）提供数据存储服务。
• 重点概念：
  
  • 文件切块，副本存放，元数据

2. HDFS的概念和特性

首先，它是一个文件系统，用于存储文件，通过统一的命名空间–目录树来定位文件
其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色；

重要特性如下：

• HDFS中的文件在物理上是分块存储（Block），块的大小可以通过配置参数( dfs.blocksize)来规定，默认大小在hadoop2.x版本中是128M，老版本中是64M

• HDFS文件系统会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/aa/bb/cc/data.file

• 目录结构及文件分块信息(元数据)的管理由NameNode节点承担

  • NameNode是HDFS集群主节点，负责维护整个HDFS文件系统的目录树，以及每一个路径（文件）所对应的Block块信息（Block的ID，及所在的DataNode服务器)
• 文件的各个Block的存储管理由DataNode节点承担
  
  • DataNode是HDFS集群从节点，每一个Block都可以在多个DataNode上存储多个副本（副本数量也可以通过参数设置dfs.replication

• HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改

  (注：适合用来做数据分析，并不适合用来做网盘应用，因为，不便修改，延迟大，网络开销大，成本太高)

  ---

HDFS 基本操作篇

前提需已安装hadoop并配置

3. HDFS的shell(命令行客户端)操作

3. 1 HDFS 命令行客户端使用

HDFS 提供 shell 命令行客户端，使用方法如下:

或者使用 hdfs dfs -ls / 和上面的效果一样,个人习惯使用上面那种。

3.2 命令行客户端支持的命令参数

[hadoop@Master ~]$ hadoop fs -help
Usage: hadoop fs [generic options]
        [-appendToFile <localsrc> ... <dst>]
        [-cat [-ignoreCrc] <src> ...]
        [-checksum <src> ...]
        [-chgrp [-R] GROUP PATH...]
        [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
        [-chown [-R] [OWNER][:[GROUP]] PATH...]
        [-copyFromLocal [-f] [-p] [-l] <localsrc> ... <dst>]
        [-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-count [-q] [-h] <path> ...]
        [-cp [-f] [-p | -p[topax]] <src> ... <dst>]
        [-createSnapshot <snapshotDir> [<snapshotName>]]
        [-deleteSnapshot <snapshotDir> <snapshotName>]
        [-df [-h] [<path> ...]]
        [-du [-s] [-h] <path> ...]
        [-expunge]
        [-find <path> ... <expression> ...]
        [-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-getfacl [-R] <path>]
        [-getfattr [-R] {-n name | -d} [-e en] <path>]
        [-getmerge [-nl] <src> <localdst>]
        [-help [cmd ...]]
        [-ls [-d] [-h] [-R] [<path> ...]]
        [-mkdir [-p] <path> ...]
        [-moveFromLocal <localsrc> ... <dst>]
        [-moveToLocal <src> <localdst>]
        [-mv <src> ... <dst>]
        [-put [-f] [-p] [-l] <localsrc> ... <dst>]
        [-renameSnapshot <snapshotDir> <oldName> <newName>]
        [-rm [-f] [-r|-R] [-skipTrash] <src> ...]
        [-rmdir [--ignore-fail-on-non-empty] <dir> ...]
        [-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
        [-setfattr {-n name [-v value] | -x name} <path>]
        [-setrep [-R] [-w] <rep> <path> ...]
        [-stat [format] <path> ...]
        [-tail [-f] <file>]
        [-test -[defsz] <path>]
        [-text [-ignoreCrc] <src> ...]
        [-touchz <path> ...]
        [-truncate [-w] <length> <path> ...]
        [-usage [cmd ...]]

3.3 常用命令介绍

1、 -help 输出这个命令参数手册

[hadoop@Master ~]$ hadoop fs -help ls
-ls [-d] [-h] [-R] [<path> ...] :                                                                                
  -d  Directories are listed as plain files.                                     
  -h  Formats the sizes of files in a human-readable fashion rather than a number
      of bytes.                                                                  
  -R  Recursively list the contents of directories.                              
[hadoop@Master ~]$ 

2、-ls 显示目录信息

[hadoop@Master ~]$ hadoop fs -ls /
Found 3 items
drwxr-xr-x   - hadoop supergroup          0 2018-03-10 14:13 /apps
drwxr-xr-x   - hadoop supergroup          0 2018-03-14 20:25 /flow
drwxr-xr-x   - hadoop supergroup          0 2018-03-12 15:30 /wordcount
[hadoop@Master ~]$ 

3、-mkdir 在HDFS上创建目录，递归创建加 -p

[hadoop@Master ~]$ hadoop fs -mkdir -p /aa/bb/cc

4、-moveFromLocal 从本地剪切到HDFS (本地文件会被删除)

[hadoop@Master ~]$ hadoop fs -moveFromLocal 11.txt /aa/bb/cc

5、-put 从本地上传(复制)到HDFS

hadoop fs -put 33.txt /aa/bb/cc/

6、-cat 显示文件内容

[hadoop@Master ~]$ hadoop fs -cat /aa/bb/cc/33.txt
hello world
hello world
hello world
[hadoop@Master ~]$ 

7、-chmod、-chown 和linux文件系统中的用法一样，对文件所属权限

[hadoop@Master ~]$ hadoop  fs  -chmod  666  /aa/bb/cc/33.txt
[hadoop@Master ~]$ hadoop  fs  -chown  hadoop:hadoop   /aa/bb/cc/33.txt

8、-cp 从HDFS的一个路径拷贝HDFS的另一个路径

[hadoop@Master ~]$ hadoop fs -cp /aa/bb/cc/33.txt /aa/bb/

9、-mv 在HDFS目录中移动文件

[hadoop@Master ~]$ hadoop fs -mv /aa/bb/33.txt /aa

10、-get 从HDFS下载文件到本地

[hadoop@Master ~]$ hadoop fs -get /aa/33.txt /home/hadoop/

11、-getmerge 合并下载多个文件。比如HDFS的目录 /aa/下有多个文件:1.txt,2.txt,3.txt,…….

[hadoop@Master ~]$ hadoop fs -getmerge /aa/*.txt /home/hadoop/sum.txt

12、-rm 删除文件或文件夹 递归删除加 -r 如：删除/aa节点，包括/aa下的所有子节点

[hadoop@Master ~]$ hadoop fs -rmr /aa

以上写法会收到提示：rmr: DEPRECATED: Please use ‘rm -r’ instead，建议使用下面方式

[hadoop@Master ~]$ hadoop fs -rm -r /aa

13、-df 统计文件系统的可用空间信息, -h 为人性化显示

[hadoop@Master ~]$ hadoop fs -df -h /
Filesystem                   Size   Used  Available  Use%
hdfs://hadoop.master:9000  42.0 G  2.0 M     38.5 G    0%
[hadoop@Master ~]$ 

14、-du 统计文件夹的大小信息

[hadoop@Master ~]$ hadoop fs -du -h /apps
958.7 K  /apps/nginx-1.12.2.tar.gz
[hadoop@Master ~]$ 

15、统计一个指定 统计路径下的目录，文件和字节数

[hadoop@Master ~]$ hadoop fs -count -h /
           7            6            961.5 K /
[hadoop@Master ~]$