000004 - HDFS

1. HDFS 产出背景及定义

1.1 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。

1.2定义

HDFS（Hadoop Distributed File System），它是一个文件系统，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。一个文件经过创建、写入和关闭
之后就不需要改变。

2. HDFS优缺点

2.1 优点

• 高容错性 - 数据自动保存多个副本。它通过增加副本的形式，提高容错性。一个副本丢失时，会自动恢复。
• 适合处理大数据。
• 可构建在廉价机器上，通过多副本机制，提高可靠性

2.2 缺点

• 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。
• 无法高效的对大量小文件进行存储。(NameNode使用150字节存储数据块元数据信息)
  • 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；
  • 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。
• 不支持并发写入、文件随机修改。
  • 一个文件只能有一个写，不允许多个线程同时写；
  • 仅支持数据append（追加），不支持文件的随机修改。

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）配置数据块的副本策略；
（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）执行数据块的读/写操作。
3）Client：就是客户端。
（1）文件切分。文件上传HDFS的时候，Client将文件切分成一个一个的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；
（4）Client提供一些命令来管理HDFS，比如NameNode格式化；
（5）Client可以通过一些命令来访问HDFS，比如对HDFS增删查改操作；
4）Secondary NameNode：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）辅助NameNode，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。

4. HDFS文件块大小

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/3.x版本中是128M，1.x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？
（1）HDFS的块设置太小，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。

5. HDFS shell 操作

5.1 基本语法

hadoop fs 或hdfs dfs, 两个是完全相同的。

5.2 常用命令

5.2.1 上传

• moveFromLocal：从本地剪切粘贴到 HDFS
  • hadoop fs -moveFromLocal ./aaa.txt /folder
• copyFromLocal：从本地文件系统中拷贝文件到 HDFS 路径去
  • hadoop fs -copyFromLocal ./aaa.txt /folder
• put：等同于 copyFromLocal，生产环境更习
• appendToFile：追加一个文件到已经存在的文件末尾
  • hadoop fs -appendToFile ./aaa.txt /folder/some.txt

5.2.2 下载

• copyToLocal：从 HDFS 拷贝到本地
  • hadoop fs -copyToLocal /sanguo/shuguo.txt ./
• get：等同于 copyToLocal，生产环境更习惯用 get

5.2.3 直接操作hdfs

• ls: 显示目录信息
• 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
• mkdir：创建路径
• 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
• tail：显示一个文件的末尾 1kb 的数据
• rm：删除文件或文件夹
• rm -r：递归删除目录及目录里面内容
• du 统计文件夹的大小信息
• setrep：设置 HDFS 中文件的副本数量

5. HDFS - JAVA API 操作

这里有一些JAVA代码来对HDFS进行操作。