-
第1章 HDFS概述
-
1.1 HDFS产出背景及定义
-
1.1.1 HDFS产生背景
随着数据量越来越大,在一个操作系统存不下所有的数据,那么就分配到更多的操作系统管理的磁盘中,但是不方便管理和维护,迫切需要一种系统来管理多台机器上的文件,这就是分布式文件管理系统。HDFS只是分布式文件管理系统中的一种。 -
1.1.2 HDFS定义
HDFS(Hadoop Distributed File System),它是一个文件系,用于存储文件,通过目录树来定位文件;其次,它是分布式的,由于很多服务器联合起来实现其功能,集群中的服务器有各自的角色
HDFS的使用场景:适合一次写入,多次读出的场景,且不支持文件的修改。适合用来做数据分析,并不适合用来做网盘应用。
-
-
1.2 HDFS优缺点
-
1.2.1 优点
1)高容错性① 数据自动保存多个副本 ② 某一个副本丢失以后,它可以自动恢复
2)适合处理大数据
①数据规模:能够处理数据规模达到GB、TB、甚至PB级别的数据; ②文件规模:能够处理百万规模以上的文件数量,数量相当之大
3)可构建在廉价机器上,通过多副本机制,提高可靠性
-
1.2.2 缺点
1)不适合低延时数据访问,比如毫秒级的存储数据,是做不到的。
2)无法高效的对大量小文件进行存储①存储大量小文件的话,它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的,因为NameNode的内存总是有限的 ②小文件存储的寻址时间会超过读取时间,它违反了HDFS的设计目标
3)不支持并发写入,文件随机修改
①一个文件只能有一个写,不允许多个线程同时写入 ②仅支持数据append(追加),不支持文件的随机修改
-
-
1.3 HDFS组成架构
1)NameNode(nn):就是Master,它是一个主管、管理者①管理HDFS的名称空间 ②配置副本策略 ③管理数据块(Block)映射信息 ④处理客户端读写请求
2)DataNode:就是Slave。NameNode下达命令,DataNode执行实际的操作
①存储实际的数据块 ②执行数据块读/写操作
3)Client:就是客户端
①文件切分。文件上传HDFS的时候,Client将文件切分成一个个的Block,然后进行上传 ②与NameNode交互,获取文件的位置信息 ③与DataNode交互,读取或者写入数据 ④Client提供一些命令来管理HDFS,比如NameNode格式化 ⑤Client可以通过一些命令来访问HDFS,比如对HDFS增删查改操作
4)SecondaryNameNode:并非NameNode的热备。当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务。
①在辅助NamNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNode ②在紧急情况下,可辅助恢复NameNode
-
1.4 HDFS文件文件块大小(面试重点)
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。
思考:为什么块的大小不能设置太小,也不能设置太大?①HDFS的块太小,会增加寻址时间,程序一直在找块的开始位置
②如果块设置的太大,从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。导致程序在处理这块数据时,会非常慢。总结:HDFS块的大小设置主要取决于磁盘传输速率。
-
-
第2章HDFS的Shell操作(开发重点)
bin/hadoopfs 具体命令 或者 bin/hdfsdfs 具体命令
dfs是fs的实现类。(0)启动Hadoop集群(方便后续的测试)
[hadoop@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh [hadoop@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh
(1)-help:输出这个命令参数
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -help rm
(2)-ls:显示目录信息
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -ls /
(3)-mkdir:在HDFS上创建目录
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -mkdir -p /sanguo/shuguo
(4)-moveFromLocal:从本地剪切粘贴到HDFS
[hadoop@hadoop102 hadoop-2.7.2]$ touch kongming.txt [hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -moveFromLocal ./kongming.txt /sanguo/shuguo
(5)-appendToFile:追加一个文件到已经存在的文件末尾
[hadoop@hadoop102 hadoop-2.7.2]$ touch liubei.txt [hadoop@hadoop102 hadoop-2.7.2]$ vi liubei.txt 输入 san gu mao lu [hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo/kongming.txt
(6)-cat:显示文件内容
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -cat /sanguo/shuguo/kongming.txt
(7)-chgrp、-chmod、-chown:Linux文件系统中的用法一样,修改文件所属权限
[hadoop@hadoop 102hadoop-2.7.2]$ hadoop fs -chmod 666 /sanguo/shuguo/kongming.txt [hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -chown hadoop:hadoop /sanguo/shuguo/kongming.txt
(8)-copyFromLocal:从本地文件系统中拷贝文件到HDFS路径去
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -copyFromLocal README.txt /
(9)-copyToLocal:从HDFS拷贝到本地
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./
(10)-cp:从HDFS的一个路径拷贝到HDFS的另一个路径
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt
(11)-mv:在HDFS目录中移动文件
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -mv/zhuge.txt /sanguo/shuguo/
(12)-get:等同于copyToLocal,就是从HDFS下载文件到本地
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -get /sanguo/shuguo/kongming.txt ./
(13)-getmerge:合并下载多个文件,比如HDFS的目录/user/hadoop/test下有多个文件:log.1,log.2,log.3,…
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -getmerge /user/hadoop/test/* ./zaiyiqi.txt
(14)-put:等同于copyFromLocal
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -put ./zaiyiqi.txt /user/hadoop/test/
(15)-tail:显示一个文件的末尾
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -tail /sanguo/shuguo/kongming.txt
(16)-rm:删除文件或文件夹
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -rm /user/hadoop/test/jinlian2.txt
(17)-rmdir:删除空目录
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -mkdir /test [hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -rmdir /test
(18)-du统计文件夹的大小信息
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -du -s -h /user/hadoop/test 2.7 K /user/hadoop/test [hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -du -h /user/hadoop/test 1.3 K /user/hadoop/test/README.txt 15 /user/hadoop/test/jinlian.txt 1.4 K /user/hadoop/test/zaiyiqi.txt
(19)-setrep:设置HDFS中文件的副本数量
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt
这里设置的副本数只是记录在NameNode的元数据中,是否真的会有这么多副本,还得看DataNode的数量。因为目前只有3台设备,最多也就3个副本,只有节点数的增加到10台时,副本数才能达到10。
-
第三章 HDFS客户端操作(开发重点)
-
1. HDFS客户端环境准备
- 1.1、请参考文章:
Windows10下搭建eclipse开发hadoop的开发环境
其中的第一至四步骤。 - 1.2、请参考文章:
maven的安装、路径配置、修改库文件路径和eclipse中的配置,解决Eclipse使用Maven下载慢的问题 - 1.3、创建一个maven工程HDFS
- 1.4、 导入相应的依赖坐标加日志添加
添加完依赖后可能会有人的dependencies报jdk错误,原因在于JAVA_HOME配置里面有空格(这是不允许的)<dependencies> <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>RELEASE</version> </dependency> <dependency> <groupId>org.apache.logging.log4j</groupId> <artifactId>log4j-core</artifactId> <version>2.8.2</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-common</artifactId> <version>2.7.2</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-client</artifactId> <version>2.7.2</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-hdfs</artifactId> <version>2.7.2</version> </dependency> <dependency> <groupId>jdk.tools</groupId> <artifactId>jdk.tools</artifactId> <version>1.8</version> <scope>system</scope> <systemPath>${JAVA_HOME}/lib/tools.jar</systemPath> </dependency> </dependencies>
注意:如果Eclipse/Idea打印不出日志,在控制台上只显示
需要在项目的src/main/resources目录下,新建一个文件,命名为“log4j.properties”,在文件中填入1.log4j:WARN No appender scould be found for logger (org.apache.hadoop.util.Shell). 2.log4j:WARN Please initialize the log4j system properly. 3.log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html# noconfig for more info.
log4j.rootLogger=INFO, stdout log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n log4j.appender.logfile=org.apache.log4j.FileAppender log4j.appender.logfile.File=target/spring.log log4j.appender.logfile.layout=org.apache.log4j.PatternLayout log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
- 1.5、创建包名:com.ali.hdfs
- 1.6、 创建HdfsClient类
public class HDFSClient { public static void main(String[] args) throws IOException, Exception, URISyntaxException { Configuration conf = new Configuration(); // conf.set("fs.defaultFS", "hdfs://192.168.220.201:9000"); // 1.获取hdfs客户端对象 // FileSystem fs = FileSystem.get(conf ); FileSystem fs = FileSystem.get(new URI("hdfs://192.168.220.201:9000"), conf, "hadoop"); //这一行代码相当于上面注释的两行代码 // 2.在hdfs上创建路径 fs.mkdirs(new Path("/0219/table/output")); // 3.关闭资源 fs.close(); System.out.println("over"); FileSystem fileSystem = FileSystem.get(conf); } }
- 1.7、 执行程序
运行时需要配置用户名称:右键->run as -> run configurations
注意:一定要先点一下Java Application创建一个新的HDFSClient(1)把老的HDFSClient删除掉。
客户端去操作HDFS时,是有一个用户身份的。默认情况下,HDFS客户端API会从JVM中获取一个参数来作为自己的用户身份:
-DHADOOP_USER_NAME=hadoop
,hadoop为用户名称。
- 1.1、请参考文章:
-