【Hadoop】HDFS shell操作与管理工具

HDFS shell操作

HDFS 是存取数据的分布式文件系统，对 HDFS 的操作就是文件系统的基本操作，如文件的创建、修改、删除、修改权限，目录的创建、删除、重命名等。对 HDFS 的操作命令类似于 Linux 的 shell对文件的操作，如 ls、mkdir、rm 等。

所有的 FS shell 命令使用 URI 路径作为参数，URI 格式是 scheme://authority/path。对 HDFS 文件系统，scheme 是 hdfs, 对本地文件系统，scheme 是 file. 其中 scheme 和authority 参数都是可选的，如果 scheme 未加指定，就会使用配置中指定的默认 scheme 值。

一个HDFS文件或目录比如 /parent/child 可以表示成 hdfs://namenode:namenodeport/parent/child ，或者更简单的 /parent/child （假设你配置文件中的默认值是 namenode:namenodeport ）。大多数FS Shell命令的行为和对应的Linux Shell命令类似，不同之处会在下面介绍各命令使用详情时指出。出错信息会输出到 stderr ，其他信息输出到 stdout 。

对于路径的说明包括 hdfs 路径和 Linux 路径，如果没有明确指出，默认是 hdfs路径。

比如：

• hadoop fs命令可显示当前 Hadoop 版本所支持的命令：

• hadoop fs -ls /。由于没有说明路径是Linux路径还是hdfs路径，默认就是hdfs路径：

• hadoop fs -put <多个 linux 上的文件> <hdfs 路径>从Linux本地文件系统上传（复制）文件到hdfs文件系统

• hadoop fs -touchz 创建空白文件

• hadoop fs -get <hdfs 路径> < linux 路径> 可以复制 hdfs 文件到本地文件系统

---

HDFS管理工具

dfsadmin

hdfs dfsadmin命令可以获取 HDFS 的状态信息，也可以在 HDFS 上执行的一系列管理操作。这个命令还有一系列参数可以选择。比如：

• -help：帮助信息

• -report：查看文件系统的基本信息和统计信息

• -refreshNodes：重新读取 hosts 和 exclude 文件，使新的节点或需要退出集群的节点能够被 NameNode 重新识别。这个命令在新增节点或注销节点时用到

fsck

hadoop fsck file 命令用来检验 HDFS 中的文件是否正常可用。该工具可以检测文件块是否从 DataNode 中丢失，是否低于或高于文件副本要求。

比如：

fsck命令有一些选项可以选择，比如：

• -files：显示文件的名称、大小、块数量及是否可用
• -blocks：显示每个块在文件中的信息，一个块用一行显示
• -racks：展示了每个块所处的机架位置及 DataNode 的位置

均衡器

随着时间推移，各个 datanode 上的块分布会越来越不均衡。不均衡的集群会降低数据应用的本地性，导致部分 datanode 相对更加繁忙。应避免出现这种情况。

均衡器（balancer）程序是一个 Hadoop 守护进程，它将块从忙碌的 datanode 移到相对空闲的 datanode，从而重新分配块。同时坚持块副本放置策略，将副本分散到不同机架，以降低数据损坏率。它不断移动块，直到集群达到均衡的状态，即每个 datanode 的使用率和集群的使用率非常接近，差距不超过给定的阈值。可以通过以下命令启动均衡器：% start-balancer.sh