HDFS主要知识汇总

HDFS

HDFS是一个分布式文件系统，适合一次写入多次读出的场景。

HDFS的优缺点

优点

• 高容错性：数据自动保存多个副本，默认是3，且在某个副本丢失后可以自动恢复
• 适合处理大数据：数据规模大，文件规模多
• 可以构建在廉价机器上，通过多副本机制，提高可靠性。

缺点

• 不适合低延时数据访问，比如毫秒级别的存储数据，是做不到的。
• 无法高效的对对大量小文件进行处理，所以可以采用特定的文件格式处理小文件
  • 因为大量的小文件会占用大量的NameNode空间来存放元数据
  • 小文件的存储和寻址时间会超过读取时间，违反了HDFS的设计目标。
• 不支持并发写入，文件随即修改
  • 一个文件只能有一个写。
  • 仅支持append，不支持文件的随即修改 。

HDFS 组成架构

NN：

• 管理HDFS的名称空间
• 配置副本策略
• 管理数据块映射信息
• 处理客户端读写请求

DN：

• 存储实际的数据块
• 执行数据块的读写操作

Client：

• 文件切分。文件上传刀HDFS的时候，Client将文件切成一个一个的Block，然后进行上传。
• 与NN交互，获取文件的位置信息。
• 与DN交互，读取或写入数据
• Client提供一些命令来管理HDFS，比如NN格式化
• 对HDFS进行增删改查

SNN：

• 辅助NN，分担其任务量，比如定期合并Fsimage和Edit并推送给NN
• 在紧急情况下，辅助NN恢复数据

HDFS文件块大小

• HDFS在物理上是分块存储,快的大小可以通过dfs.blockSize更改。
• 默认Hadoop2.X每块大小是128M，1.X是64MB，单机是32M。
• 寻址时间大约为传输时间的1%最好，我们默认寻址时间是10ms,传输速率是100MB/s，因此默认块大小是128mb。
• 块太小会影响到寻址时间。
• 块太大会影响到处理时间，让处理时间变慢。

HDFS的Shell操作

• -ls: 显示目录信息
• -mkdir：在HDFS上创建目录
• -moveFromLocal：从本地剪切粘贴到HDFS
• -appendToFile：追加一个文件到已经存在的文件末尾
• -cat：显示文件内容
• -chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限
• -copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去
• -copyToLocal：从HDFS拷贝到本地
• -cp ：从HDFS的一个路径拷贝到HDFS的另一个路径
• -mv：在HDFS目录中移动文件
• -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 /user/atguigu/test下有多个文件:log.1, log.2,log.3,…
• -put：等同于copyFromLocal
• -tail：显示一个文件的末尾
• -rm：删除文件或文件夹
• -rmdir：删除空目录
• -du：统计文件夹的大小信息
• -setrep：设置HDFS中文件的副本数量

通过Java操作Hadoop

public class HdfsClient{
   	
@Test
public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{
   
		
		// 1 获取文件系统
		Configuration configuration = new Configuration();
		// 配置在集群上运行
		// configuration.set("fs.defaultFS", "hdfs://hadoop102:9000");
		// FileS