一:HDFS概念
1.1 产生背景
随着数据量越来越大,在一个操作系统存不下所有的数据,那么就分配到更多的操作系统管理的磁盘中,但是不方便管理和维护,迫切需要一种系统来管理多台机器上的文件,这就是分布式文件管理系统。HDFS只是分布式文件管理系统中的一种。
1.2 HDFS定义
HDFS(Hadoop Distributed File System),它是一个文件系统,用于存储文件,通过目录树来定位文件;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。
HDFS的使用场景:适合一次写入,多次读出的场景。一个文件经过创建、写入和关闭之后就不需要改变。
1.3 优缺点
优点:
(一)高容错性:数据自动保存多个副本。它通过增加副本的形式,提高容错性。某一个副本丢失以后,它可以自动恢复。
(二)适合处理大数据:
数据规模:能够处理数据规模达到GB、TB、甚至PB级别的数据;
文件规模:能够处理百万规模以上的文件数量,数量相当之大。
(三)可构建在廉价机器上,通过多副本机制,提高可靠性。
缺点:
(一)不适合低延时数据访问,比如毫秒级的存储数据,是做不到的。
(二)无法高效的对大量小文件进行存储。
➢存储大量小文件的话,它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的,因为NameNode的内存总是有限的;
➢小文件存储的寻址时间会超过读取时间,它违反了HDFS的设计目标。
(三)不支持并发写入、文件随机修改。
➢一个文件只能有一个写,不允许多个线程同时写;
➢仅支持数据append(追加),不支持文件的随机修改。
1.4 组成架构
一:NameNode(nn):就是Master,它是一个主管、管理者。(老板)
(1)管理HDFS的名称空间;
(2)配置副本策略;
(3)管理数据块(Block)映射信息;
(4)处理客户端读写请求。
二:DataNode:就是Slave。NameNode下达命令,DataNode执行实际的操作。(员工)
(1)存储实际的数据块;
(2)执行数据块的读/写操作。
三:Client:就是客户端。 (甲方)
(1)文件切分。文件上传HDFS的时候,Client将文件切分成一个一个的Block,然后进行上传;(2)与NameNode交互,获取文件的位置信息;
(3)与DataNode交互,读取或者写入数据;
(4)Client提供一些命令来管理HDFS,比如NameNode格式化;
(5)Client可以通过一些命令来访问HDFS,比如对HDFS增删查改操作;
四:Secondary NameNode:并非NameNode的热备。当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务。(秘书)
(1)辅助NameNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNode;(2)在紧急情况下,可辅助恢复NameNode。
1.5 HDFS文件块大小
思考:为什么块的大小不能设置太小,也不能设置太大?
(1)HDFS的块设置太小,会增加寻址时间,程序一直在找块的开始位置;
(2)如果块设置的太大,从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。导致程序在处理这块数据时,会非常慢。
总结:HDFS块的大小设置主要取决于磁盘传输速率。
二:HDFS的Shell操作
2.1 基本语法
hadoop fs 具体命令 或者 hdfs dfs 具体命令
两个命令是完全相同的。
bin/hadoop fs ------命令大全
2.2 上传
1)-moveFromLocal:从本地剪切粘贴到HDFS
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal ./shuguo.txt /sanguo
2)-copyFromLocal:从本地文件系统中拷贝文件到HDFS路径去
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal weiguo.txt /sanguo
3)-put:等同于copyFromLocal,生产环境更习惯用put
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -put ./wuguo.txt /sanguo
4)-appendToFile:追加一个文件到已经存在的文件末尾
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo.txt
2.3 下载
1)-copyToLocal:从HDFS拷贝到本地
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /sanguo/shuguo.txt ./
2)-get:等同于copyToLocal,生产环境更习惯用get
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -get /sanguo/shuguo.txt ./shuguo2.txt
三:HDFS的API操作
(一)配置HADOOP_HOME环境变量
(二)配置Path环境变量。
(三)在IDEA中创建一个Maven工程(这个需要去配置一下Maven),并导入相应的依赖坐标+日志添加
<dependencies>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>3.1.3</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
</dependency>
<dependency>
<groupId>org.slf4j</groupId>
<artifactId>slf4j-log4j12</artifactId>
<version>1.7.30</version>
</dependency>
</dependencies>
(四)在项目的src/main/resources目录下,新建一个文件,命名为“log4j.properties”,在文件中填入
log4j.rootLogger=INFO, stdout log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
(五)创建HdfsClient类(获取客户端对象)
@Before
public void init() throws URISyntaxException, IOException, InterruptedException {
//连接的集群nn地址
URI uri=new URI("hdfs://hadoop102:8020");
//创建一个配置文件
Configuration configuration=new Configuration();
//修改优先级
configuration.set("dfs.replication","2");
//用户
String user="axing";
//1.获取到了客户端对象
fs= FileSystem.get(uri, configuration,user);
}
@After
public void close() throws IOException {
//3.关闭资源
fs.close();
}
(六)API案例实操
//创建目录
@Test
public void testmkdir() throws URISyntaxException, IOException, InterruptedException {
//2.创建一个文件夹
fs.mkdirs(new Path("/xiyou/huaguoshan1"));
}
//上传
@Test
/**
* 参数优先级
* hdfs-default.xml(最低) => hdfs-site.xml => 在项目资源目录下的配置文件 => 代码里面的配置(最高)
*/
public void testPut() throws IOException {
//参数解读
//参数一:是否删除原数据
//参数二:是否覆盖
//参数三:原数据路径
//参数四:目的地路径
fs.copyFromLocalFile(true,true,new Path("D:\\sunwukong.txt"),new Path("hdfs://hadoop102:/xiyou/huaguoshan"));
}
//文件下载
@Test
public void testGet() throws IOException {
//参数解读
//参数一:是否删除原数据
//参数二:源文件路径HDFS
//参数三:目标地址路径Win
//参数四:是否开启本地校验
fs.copyToLocalFile(true,new Path("hdfs://hadoop102/xiyou/huaguoshan"),new Path("D:\\"),true);
}
//删除
@Test
public void testRm() throws IOException {
//参数解读
//参数一:要删除的路径
//参数二:是否递归删除
//删除文件
fs.delete(new Path("/jdk-8u212-linux-x64.tar.gz"),false);
//删除空目录
fs.delete(new Path("/xiyou"),false);
//删除非空目录
fs.delete(new Path("/jinguo"),true);
}
//文件的更名和移动
@Test
public void testMv() throws IOException {
//参数解读
//参数一:原文件路径
//参数二:目标文件路径
//对文件名称的修改
// fs.rename(new Path("/input1/word.txt"),new Path("/input1/ss.txt"));
//文件的移动和更名
// fs.rename(new Path("/input1/ss.txt"),new Path("/cls.txt"));
//目录更名
fs.rename(new Path("/input1"),new Path("/output1"));
}
//获取文件详细信息
@Test
public void fileDetail() throws IOException {
//获取所有文件信息
RemoteIterator<LocatedFileStatus> listFiles=fs.listFiles(new Path("/"),true);
//遍历文件
while(listFiles.hasNext()){
LocatedFileStatus fileStatus=listFiles.next();
System.out.println("========"+fileStatus.getPath()+"========");
System.out.println(fileStatus.getPermission());
System.out.println(fileStatus.getOwner());
System.out.println(fileStatus.getGroup());
System.out.println(fileStatus.getLen());
System.out.println(fileStatus.getModificationTime());
System.out.println(fileStatus.getReplication());
System.out.println(fileStatus.getBlockSize());
System.out.println(fileStatus.getPath().getName());
//获取块信息
BlockLocation[] blockLocations=fileStatus.getBlockLocations();
System.out.println(Arrays.toString(blockLocations));
}
}
//判断是文件夹还是文件
@Test
public void testFile() throws IOException {
FileStatus[] listStatus=fs.listStatus(new Path("/"));
for(FileStatus status:listStatus){
if(status.isFile()){
System.out.println("文件:"+status.getPath().getName());
}else {
System.out.println("目录:"+status.getPath().getName());
}
}
}