Hadoop（二）之HDFS详解

最新推荐文章于 2022-11-26 22:01:26 发布

一棵树～

最新推荐文章于 2022-11-26 22:01:26 发布

阅读量276

点赞数

分类专栏：【大数据-Hadoop】文章标签： Hadoop HDFS

本文链接：https://blog.csdn.net/MyronCham/article/details/84562975

版权

【大数据-Hadoop】专栏收录该内容

9 篇文章 0 订阅

订阅专栏

目录：

1、hdfs的shell操作

2、HDFS的一些concept（概念）和特性

3.2、在java中操作hdfs，首先要获得一个客户端实例

总的设计思想：

设计目标：提高分布式并发处理数据的效率（提高并发度和移动运算到数据）
分而治之：将大文件、大批量文件，分布式存放在大量独立的服务器上，以便于采取分而治之的方式对海量数据进行运算分析；
重点概念：文件切块，副本存放，元数据，位置查询，数据读写流

1、hdfs的shell操作

hadoop fs -操作命令 -参数

-ls #显示目录信息

-->hadoop fs -ls hdfs://hadoop-server-00:9000/

这些参数中，所有的hdfs路径都可以简写

-->hadoop fs -ls / 等同于上一条命令的效果

-copyFromLocal #从本地文件系统中拷贝文件到hdfs路径去

-->hadoop fs -copyFromLocal ./jdk.tar.gz /aaa/

-copyToLocal #从hdfs拷贝到本地

-->hadoop fs -copyToLocal /aaa/jdk.tar.gz

-put #等同于copyFromLocal

-get #等同于copyToLocal，就是从hdfs下载文件到本地

-getmerge #合并下载多个文件

--> 比如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,...

hadoop fs -getmerge /aaa/log.* ./log.sum

-moveFromLocal #从本地移动到hdfs

-moveToLocal #从hdfs移动到本地

-cp #从hdfs的一个路径拷贝hdfs的另一个路径

-->hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2

-mv #在hdfs目录中移动文件

-mkdir #在hdfs上创建目录

-->hadoop fs -mkdir -p /aaa/bbb/cc/dd

-rm #删除文件或文件夹

--> hadoop fs -rm -r /aaa/bbb/

-rmdir #删除空目录

-cat ---显示文件内容

-->hadoop fs -cat /hello.txt

--appendToFile ----追加一个文件到已经存在的文件末尾

-->hadoop fs -appendToFile ./hello.txt hdfs://hadoop-server01:9000/hello.txt

可以简写为：

Hadoop fs -appendToFile ./hello.txt /hello.txt

-chgrp

-chmod

-chown

上面三个跟linux中的用法一样

-->hadoop fs -chmod 666 /hello.txt

-count #统计一个指定目录下的文件节点数量

-->hadoop fs -count /aaa/

-createSnapshot

-deleteSnapshot

-renameSnapshot

以上三个用来操作hdfs文件系统目录信息快照

-->hadoop fs -createSnapshot /

-df #统计文件系统的可用空间信息

-du #统计当前目录文件大小

-->hadoop fs -df -h /

-->hadoop fs -du -s -h /aaa/*

-help #输出这个命令参数手册

-setrep #设置hdfs中文件的副本数量

-->hadoop fs -setrep 3 /aaa/jdk.tar.gz

-stat #显示一个文件或文件夹的元信息

-tail #显示一个文件的末尾

-text #以字符形式打印一个文件的内容

2、HDFS的一些concept（概念）和特性

2.1、概述

首先，它是一个文件系统，有一个统一的命名空间——目录树, 客户端访问hdfs文件时就是通过指定这个目录树中的路径来进行

其次，它是分布式的，由很多服务器联合起来实现功能；

hdfs文件系统会给客户端提供一个统一的抽象目录树， Hdfs中的文件都是分块（block）存储的，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
文件的各个block由谁来进行真实的存储呢？----分布在各个datanode服务节点上，而且每一个block都可以存储多个副本（副本数量也可以通过参数设置dfs.replication，默认值是3）
Hdfs中有一个重要的角色：namenode，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）
hdfs是设计成适应一次写入，多次读出的场景，并不支持文件的修改

(hdfs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)

2.2、特性

容量可以线性扩展
数据存储高可靠
分布式运算处理很方便
数据访问延迟较大，不支持数据的修改操作
适合一次写入多次读取的应用场景

3、HDFS的java操作

3.1、搭建开发环境

（eclipse，hdfs的jar包----hadoop的安装目录的share下）

<groupId>org.apache.hadoop</groupId>

<artifactId>hadoop-client</artifactId>

</dependency>

建议在linux下进行客户端应用的开发，不会存在兼容性问题。

如果非要在window上做客户端应用开发，需要设置以下环境：

在windows的某个目录下解压一个hadoop的安装包
将安装包下的lib和bin目录用对应windows版本平台编译的本地库替换
在window系统中配置HADOOP_HOME指向你解压的安装包
在windows系统的path变量中加入hadoop的bin目录

3.2、在java中操作hdfs，首先要获得一个客户端实例

Configuration conf = new Configuration()

FileSystem fs = FileSystem.get(conf)

而我们的操作目标是HDFS，所以获取到的fs对象应该是DistributedFileSystem的实例；

get方法是从何处判断具体实例化那种客户端类呢？

----从conf中的一个参数 fs.defaultFS的配置值判断；

如果我们的代码中没有指定并且工程classpath下也没有给定相应的配置，conf中的默认值就来自于hadoop的jar包中的core-default.xml，默认值为： file:///

fs所具备的方法：

可以随机定位读取位置：DFSInputStream.seek()

4、hdfs的工作机制

HDFS集群分为两大角色：NameNode、DataNode
NameNode负责管理整个文件系统的元数据
DataNode 负责管理用户的文件数据块

5、namenode工作机制

5.2、hdfs元数据是怎么存储的？

A、内存中有一份完整的元数据（特定数据结构）
B、磁盘有一个“准完整”的元数据的镜像文件
C、当客户端对hdfs中的文件进行新增或者修改操作，首先会在edits文件中记录操作日志，当客户端操作成功后，相应的元数据会更新到内存中；每隔一段时间，会由secondary namenode将namenode上积累的所有edits和一个最新的fsimage下载到本地，并加载到内存进行merge（这个过程称为checkpoint）
D、checkpoint操作的触发条件配置参数：

dfs.namenode.checkpoint.check.period=60 #检查触发条件是否满足的频率，60秒

dfs.namenode.checkpoint.dir=file://${hadoop.tmp.dir}/dfs/namesecondary

#以上两个参数做checkpoint操作时，secondary namenode的本地工作目录

dfs.namenode.checkpoint.edits.dir=${dfs.namenode.checkpoint.dir}

dfs.namenode.checkpoint.max-retries=3 #最大重试次数

dfs.namenode.checkpoint.period=3600 #两次checkpoint之间的时间间隔3600秒

dfs.namenode.checkpoint.txns=1000000 #两次checkpoint之间最大的操作记录

E、namenode和secondary namenode的工作目录存储结构完全相同，所以，当namenode故障退出需要重新恢复时，可以从secondary namenode的工作目录中将fsimage拷贝到namenode的工作目录，以恢复namenode的元数据
F、可以通过hdfs的一个工具来查看edits中的信息

bin/hdfs oev -i edits -o edits.xml

6、datanode的工作机制

6.1、Datanode工作职责：

存储管理用户的文件块数据
定期向namenode汇报自身所持有的block信息（通过心跳信息上报）
上传一个文件，观察文件的block具体的物理存放情况

在每一台datanode机器上的这个目录：

/home/hadoop/app/hadoop-2.4.1/tmp/dfs/data/current/BP-193442119-192.168.2.120-1432457733977/current/finalized

7、一些补充

7.1、HDFS的其他访问方式：

HDFS文件系统可以通过标准的hdfs shell / rest api / java api来操作，还可以利用fuse这种工具将hdfs挂载为一个unix标准文件系统，就可以使用标准的linux文件操作方式来操作hdfs文件系统

HDFS还可以挂载为一个NFS系统

FileUtil工具类：

FileUtil.copy(new File("c:/test.tar.gz"), FileSystem.get(URI.create("hdfs://hadoop-server01:9000"), conf, "hadoop"), new Path("/test.tar.gz"), true, conf);