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