Java大数据之路--HDFS详解(3)--基本命令

HDFS(分布式文件存储系统)--基本命令

目录

HDFS(分布式文件存储系统)--基本命令

一、常见命令

二、其他命令


一、常见命令

命令

说明

hadoop  fs -mkdir /park

在hdfs 的根目录下,创建  park目录

hadoop  fs  -ls  /

查看hdfs根目录下有哪些目录

hadoop  fs -put  /root/1.txt  /park

将linux操作系统root目录下的1.txt放在hdfs的park目录下

hadoop  fs -get  /park/jdk  /home

把hdfs文件系统下park目录的文件下载到linux的home目录下

hadoop fs -rm /park/文件名

删除hdfs 的park目录的指定文件

hadoop fs -rmdir /park

删除park目录,但是前提目录里没有文件

hadoop fs -rmr /park

删除park目录,即使目录里有文件

hadoop fs -cat /park/a.txt

查看park目录下的a.txt文件

hadoop fs -tail /park/a.txt

查看park目录下a.txt文件末尾的数据

haddop jar  xxx.jar

执行jar包

hadoop fs -cat /park/result/part-r-00000

查看 /park/result/part-r-00000文件的内容

hadoop  fs  –mv  /park02  /park01  

将HDFS上的park02目录重名为park01命令。

hadoop  fs -mv /park02/1.txt /park01

将park02目录下的1.txt移动到/park01目录下

hadoop fs -touchz /park/2.txt

创建一个空文件

hadoop fs -getmerge /park  /root/tmp

将park目录下的所有文件合并成一个文件,并下载到linux的root目录下的tmp目录

hadoop dfsadmin -safemode leave

离开hadoop安全模式

hadoop dfsadmin -safemode enter

进入安全模式

hadoop dfsadmin -rollEdits

手动执行fsimage文件和Edis文件合并元数据

hadoop dfsadmin -report

查看存活的datanode节点信息

hadoop fsck /park

汇报/park目录 健康状况

hadoop fsck /park/1.txt  -files  -blocks -locations  -racks

查看1.txt 这个文件block信息以及机架信息

 

hadoop fs -expunge

手动清空hdfs回收站

二、其他命令

命令

说明

hadoop  fs -cp  /park01/1.txt  /park02

将HDFS上 /park01下的1.txt拷贝一份到 /park02目录下。
目标路径可以有多个,用空格隔开,比如:hadoop fs -cp /park01/1.txt  /park02  /park03……

hadoop fs -du /park/1.txt

查看HDFS上某个文件的大小。也可以查看指定目录,如果是目录的话,则列出目录下所有的文件及其大小,比如:hadoop fs -du /park

hadoop fs -copyFromLocal  /home/1.txt /park01

将本地文件1.txt上传到/park01目录下

hadoop fs -copyToLocal /park01/1.txt  /home

将HDFS上的1.txt 拷贝到本地文件系统

hadoop  fs -lsr  /

递归查看指定目录下的所有内容

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值