hadoop基础教程(一) HDFS

1.这是hadoop基础系列教程，适合入门者学习。

2.HDFS单机环境搭建

• hadoop core下载：http://archive.apache.org/dist/hadoop/core/stable/

• 下载解压 到/usr/local/hadoop

• 将 hadoop/bin 添加到环境变量 /etc/profile

• 修改配置文件: hadoop-2.7.3/etc/hadoop/hadoop-env.sh
  export JAVA_HOME=/home/java8 ##改成你自己的java路径

• 修改配置文件: hadoop-2.7.3/etc/hadoop/core-site.xml

<configuration>
        <!--指定 HDFS的 NameNode地址-->
        <property>
                <name>fs.defaultFS</name>
                <value>hdfs://hadluo:9000</value>
        </property>

        <!--指定hadoop运行时产生文件的存放目录 -->
        <property>
                <name>hadoop.tmp.dir</name>
                <value>/usr/local/hadhoop/tmp</value>
        </property> 

</configuration>

这个 hadluo为我的主机名，在hosts里面配置，下面是我的hosts文件内容:

127.0.0.1 hadluo localhost.localdomain localhost4 localhost4.localdomain4
::1 localhost localhost.localdomain localhost6 localhost6.localdomain6

• 修改配置文件: hadoop-2.7.3/etc/hadoop/hdfs-site.xml

<configuration>
        <!--指定hdfs DataNode 保存数据副本的数量 -->
        <property>
                <name>dfs.replication</name>
                <value>1</value>
        </property>
</configuration>

• 修改配置文件: hadoop-2.7.3/etc/hadoop/mapred-site.xml
  先将mapred-site.xml.template 文件 改名 成mapred-site.xml

<configuration>
        <!--告诉hadoop 以后MR运行在 yarn上 -->
        <property>
                <name>mapreduce.framework.name</name>
                <value>yarn</value>
        </property>
</configuration>

• 修改配置文件: hadoop-2.7.3/etc/hadoop/yarn-site.xml

<configuration>
        <!--NodeManager获取数据的方式是 shuffle方式 -->
        <property>
                <name>yarn.nodemanager.aux-services</name>
                <value>mapreduce_shuffle</value>
        </property>
        <!-- 指定yarn的老大（ResourceManager）的地址 -->
        <property>
                <name>yarn.resourcemanager.hostname</name>
                <value>hadluo</value>
        </property>
</configuration>

3.hdfs的使用

• 先初始化HDFS(格式化hadoop文件系统)
  hdfs namenode -format

• 启动hdfs , 会输4次root密码
  hadoop-2.7.3/sbin/start-all.sh

• jps检测是否启动成功

5218 DataNode
5826 NodeManager
5540 ResourceManager
5864 Jps
5389 SecondaryNameNode
5087 NameNode

4.hdfs命令

1.查看 ls
hadoop fs -ls hdfs://

2.上传 put
hadoop fs -put /home/scala_test/fun.scala hdfs://hadluo:9000/fun.scala

3.下载 get
hadoop fs -get hdfs://hadluo:9000/11.mp4 /home/11.mp4

4.删除 rm
hadoop fs -rm < hdfs file > …
hadoop fs -rm -r < hdfs dir>…

5.mkdir 命令

hadoop fs -mkdir < hdfs path>
只能一级一级的建目录，父目录不存在的话使用这个命令会报错

hadoop fs -mkdir -p < hdfs path>
所创建的目录如果父目录不存在就创建该父目录

6.getmerge 命令

hadoop fs -getmerge < hdfs dir > < local file >
将hdfs指定目录下所有文件排序后合并到local指定的文件中，文件不存在时会自动创建，文件存在时会覆盖里面的内容

hadoop fs -getmerge -nl < hdfs dir > < local file >
加上nl后，合并到local file中的hdfs文件之间会空出一行

7.cp 命令

hadoop fs -cp < hdfs file > < hdfs file >
目标文件不能存在，否则命令不能执行，相当于给文件重命名并保存，源文件还存在

hadoop fs -cp < hdfs file or dir >… < hdfs dir >
目标文件夹要存在，否则命令不能执行

8.mv 命令

hadoop fs -mv < hdfs file > < hdfs file >
目标文件不能存在，否则命令不能执行，相当于给文件重命名并保存，源文件不存在

hadoop fs -mv < hdfs file or dir >… < hdfs dir >
源路径有多个时，目标路径必须为目录，且必须存在。
注意：跨文件系统的移动（local到hdfs或者反过来）都是不允许的

9.count 命令

hadoop fs -count < hdfs path >
统计hdfs对应路径下的目录个数，文件个数，文件总计大小
显示为目录个数，文件个数，文件总计大小，输入路径

10.du 命令

hadoop fs -du < hdsf path>
显示hdfs对应路径下每个文件夹和文件的大小

hadoop fs -du -s < hdsf path>
显示hdfs对应路径下所有文件和的大小

hadoop fs -du - h < hdsf path>
显示hdfs对应路径下每个文件夹和文件的大小,文件的大小用方便阅读的形式表示，例如用64M代替67108864

11.text 命令

hadoop fs -text < hdsf file>
将文本文件或某些格式的非文本文件通过文本格式输出

12.setrep 命令

hadoop fs -setrep -R 3 < hdfs path >
改变一个文件在hdfs中的副本个数，上述命令中数字3为所设置的副本个数，-R选项可以对一个人目录下的所有目录+文件递归执行改变副本个数的操作

13.stat 命令

hdoop fs -stat [format] < hdfs path >
返回对应路径的状态信息

[format]可选参数有：%b（文件大小），%o（Block大小），%n（文件名），%r（副本个数），%y（最后一次修改日期和时间）

可以这样书写hadoop fs -stat %b%o%n < hdfs path >，不过不建议，这样每个字符输出的结果不是太容易分清楚

14.tail 命令

hadoop fs -tail < hdfs file >
在标准输出中显示文件末尾的1KB数据

15.archive 命令

hadoop archive -archiveName name.har -p < hdfs parent dir > < src >* < hdfs dst >
命令中参数name：压缩文件名，自己任意取；
< hdfs parent dir > ：压缩文件所在的父目录；
< src >：要压缩的文件名；
< hdfs dst >：压缩文件存放路径

*示例：hadoop archive -archiveName hadoop.har -p /user 1.txt 2.txt /des
示例中将hdfs中/user目录下的文件1.txt，2.txt压缩成一个名叫hadoop.har的文件存放在hdfs中/des目录下，如果1.txt，2.txt不写就是将/user目录下所有的目录和文件压缩成一个名叫hadoop.har的文件存放在hdfs中/des目录下
显示har的内容可以用如下命令：

hadoop fs -ls /des/hadoop.jar
显示har压缩的是那些文件可以用如下命令

hadoop fs -ls -R har:///des/hadoop.har
注意：har文件不能进行二次压缩。如果想给.har加文件，只能找到原来的文件，重新创建一个。har文件中原来文件的数据并没有变化，har文件真正的作用是减少NameNode和DataNode过多的空间浪费。

16.balancer 命令

hdfs balancer
如果管理员发现某些DataNode保存数据过多，某些DataNode保存数据相对较少，可以使用上述命令手动启动内部的均衡过程

dfsadmin 命令

hdfs dfsadmin -help
管理员可以通过dfsadmin管理HDFS，用法可以通过上述命令查看

hdfs dfsadmin -report
显示文件系统的基本数据

hdfs dfsadmin -safemode < enter | leave | get | wait >
enter：进入安全模式；leave：离开安全模式；get：获知是否开启安全模式；
wait：等待离开安全模式

17.distcp 命令
用来在两个HDFS之间拷贝数据

今天就到这里，谢谢大家观看。

老生常谈：深圳有爱好音乐的会打鼓（吉他，键盘，贝斯等）的程序员和其它职业可以一起交流加入我们乐队一起嗨。我的QQ：657455400 表演视频实例：https://v.qq.com/x/page/f0517awx0x4.html