简介
HDFS(Hadoop Distributed File System) Hadoop分布式文件系统,Hadoop体系底层的数据存储组件;最开始是作为Apache Nutch web搜索引擎项目的基础架构而开发,HDFS是Apache Hadoop Core项目的一部分,HDFS具有高容错,高吞吐,易扩展,高可靠等特征。
设计思想:
分而治之,将大文件、大批量文件,分布式存放在大量服务器上,以便于采取分而治之的方式对海量数据进行运算分析;
项目URL: http://hadoop.apache.org/。
体系结构
HDFS是一个标准的主从(Master/Slave)体系结构的分布式系统;HDFS集群包含一个或多个NameNode(NameNode HA会有多个NameNode) 和 多个DataNode(根据节点情况规划),用户可以通过HDFS客户端同NameNode 和 DataNode进行交互以访问文件系统。
HDFS公开文件系统名称空间,并允许将用户数据存储在文件中。在内部,一个文件被分成一个或多个块,这些块存储在一组datanode中。NameNode执行文件系统名称空间操作,如打开、关闭和重命名文件和目录。它还确定块到datanode的映射。datanode负责处理来自文件系统客户机的读和写请求。datanode还根据来自NameNode的指令执行块创建、删除和复制(体系结构如下图所示)。
相关概念
1.NameNode
注:Secondary NameNode hadoop1.x的版本 了解就好
负责客户端请求的响应
元数据的管理(查询,修改)
namenode是HDFS集群主节点,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)
2.JournalNode
NameNode之间共享数据(主要体现在 NameNode配置 HA)
3.DataNode
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)
4.Data Blocks
HDFS中的文件在物理上是分块存储(block),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
5.Data Replication
每一个block都可以在多个datanode上存储多个副本(副本数量也可以通过参数设置dfs.replication,默认是3)
6.HDFS通信协议
HDFS作为分布式文件系统,涉及到数据节点,名称节点和客户端三者之间的配合,相互调用才能实现。为了降低节点间代码的耦合性,提高单个节点的内聚性,HDFS将这些节点间的调用抽象成不同的接口。
Hadoop RPC接口:HDFS中基于Hadoop RPC框架实现的接口。
流式接口:HDFS中基于TCP或 HTTP实现的接口。
读写流程
1.读数据流程
客户端将要读取的文件路径发送给namenode,namenode获取文件的元信息(主要是block的存放位置信息)返回给客户端,客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件
2.写数据流程
客户端要向HDFS写数据,首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode,然后,客户端按顺序将文件逐个block传递给相应datanode,并由接收到block的datanode负责向其他datanode复制block的副本
客户端命令
注:常见客户端命令
-help
功能:输出这个命令参数手册
-ls
功能:显示目录信息
示例: hdfs dfs -ls hdfs://hadoop-server01:9000/
备注:这些参数中,所有的hdfs路径都可以简写
-->hdfs dfs -ls / 等同于上一条命令的效果
-mkdir
功能:在hdfs上创建目录
示例:hdfs dfs -mkdir -p /aaa/bbb/cc/dd
-moveFromLocal
功能:从本地剪切粘贴到hdfs
示例:hdfs dfs - moveFromLocal /home/hadoop/a.txt /aaa/bbb/cc/dd
-moveToLocal
功能:从hdfs剪切粘贴到本地
示例:hdfs dfs - moveToLocal /aaa/bbb/cc/dd /home/hadoop/a.txt
--appendToFile
功能:追加一个文件到已经存在的文件末尾
示例:hdfs dfs -appendToFile ./hello.txt hdfs://hadoop-server01:9000/hello.txt
可以简写为:
hdfs dfs -appendToFile ./hello.txt /hello.txt
-cat
功能:显示文件内容
示例:hdfs dfs -cat /hello.txt
-tail
功能:显示一个文件的末尾
示例:hdfs dfs -tail /weblog/access_log.1
-text
功能:以字符形式打印一个文件的内容
示例:hdfs dfs -text /weblog/access_log.1
-chgrp
-chmod
-chown
功能:linux文件系统中的用法一样,对文件所属权限
示例:
hdfs dfs -chmod 666 /hello.txt
hdfs dfs -chown someuser:somegrp /hello.txt
-copyFromLocal
功能:从本地文件系统中拷贝文件到hdfs路径去
示例:hdfs dfs -copyFromLocal ./jdk.tar.gz /aaa/
-copyToLocal
功能:从hdfs拷贝到本地
示例:hdfs dfs -copyToLocal /aaa/jdk.tar.gz
-cp
功能:从hdfs的一个路径拷贝hdfs的另一个路径
示例: hdfs dfs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2
-mv
功能:在hdfs目录中移动文件
示例: hdfs dfs -mv /aaa/jdk.tar.gz /
-get
功能:等同于copyToLocal,就是从hdfs下载文件到本地
示例:hdfs dfs -get /aaa/jdk.tar.gz
-
功能:合并下载多个文件
示例:比getmerge 如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,...
hdfs dfs -getmerge /aaa/log.* ./log.sum
-put
功能:等同于copyFromLocal
示例:hdfs dfs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2
-rm
功能:删除文件或文件夹
示例:hdfs dfs -rm -r /aaa/bbb/
-rmdir
功能:删除空目录
示例:hdfs dfs -rmdir /aaa/bbb/ccc
-df
功能:统计文件系统的可用空间信息
示例:hdfs dfs -df -h /
-du
功能:统计文件夹的大小信息
示例:hdfs dfs -du -s -h /aaa/*
-count
功能:统计一个指定目录下的文件节点数量
示例:hdfs dfs -count /aaa/
-setrep
功能:设置hdfs中文件的副本数量
示例:hdfs dfs -setrep 3 /aaa/jdk.tar.gz