Hadoop HDFS 体系结构

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