第1章 HDFS概述
HDFS的优缺点
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
某一个副本丢失以后,它可以自动恢复。
-
适合处理大数据
数据规模:能够处理数据规模达到GB、TB、甚至PB级别的数据;
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。
-
可构建在廉价机器上,通过多副本机制,提高可靠性。
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。
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。
第2章 HDFS的Shell操作(开发重点)
基本语法:
bin/hadoop fs 具体命令
bin/hdfs dfs 具体命令
dfs是fs的实现类。
命令大全:
- -help:输出这个命令参数
- -ls: 显示目录信息
- -mkdir:在HDFS上创建目录
- -moveFromLocal:从本地剪切粘贴到HDFS
- -appendToFile:追加一个文件到已经存在的文件末尾
- -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
- -copyFromLocal:从本地文件系统中拷贝文件到HDFS路径去
- -copyToLocal:从HDFS拷贝到本地
- -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
- -get:等同于copyToLocal,就是从HDFS下载文件到本地
- -getmerge:合并下载多个文件,比如HDFS的目录 /user/atguigu/test下有多个文件:log.1, log.2,log.3,…
- -put:等同于copyFromLocal
- -tail:显示一个文件的末尾
- -rm:删除文件或文件夹
- -rmdir:删除空目录
- -du统计文件夹的大小信息
- -setrep:设置HDFS中文件的副本数量
第3章 HDFS客户端操作(开发重点)
3.1 HDFS客户端环境准备
3.2 HDFS的API操作
3.2.1 HDFS文件上传
/*文件上传hdfs*/
@Test
public void testCopyFromLocalFile() throws URISyntaxException, IOException, InterruptedException {
//获取fs对象
Configuration conf=new Configuration();
conf.set("def.replication","2");//设置副本数
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),conf, "ma");
//执行上传代码
fs.copyFromLocalFile(new Path("D:/Big_Data/temp共享/hadoop2.7.2/1.笔记/尚硅谷大数据技术之Hadoop(HDFS).docx"),new Path("/day26/test"));
//关闭资源
fs.close();
}
3.2.2 HDFS文件下载
/*文件下载hdfs*/
@Test
public void testCopyToLocalFile() throws URISyntaxException, IOException, InterruptedException {
//获取fs对象
Configuration conf=new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "ma");
//执行下载操作
//fs.copyToLocalFile(new Path("/day26/test/尚硅谷大数据技术之Hadoop(HDFS).docx"),new Path("D:/"));
fs.copyToLocalFile(false,new Path("/day26/test/尚硅谷大数据技术之Hadoop(HDFS).docx"),new Path("D:/"),true);
//3
fs.close();
}
3.2.3 HDFS文件夹删除
/*文件夹的删除*/
@Test
public void testDelete() throws URISyntaxException, IOException, InterruptedException {
//获取fs对象
Configuration conf=new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "ma");
//执行删除操作
fs.delete(new Path("/delete.txt"),true);
//3
fs.close();
}
3.2.4 HDFS文件名更改
/*更改名字*/
@Test
public void testRename() throws URISyntaxException, IOException, InterruptedException {
//获取fs对象
Configuration conf=new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "ma");
//更改名字
fs.rename(new Path("/day26"),new Path("/day27"));
//3
fs.close();
}
3.2.5 HDFS文件详情查看
/*文件详情查看*/
@Test
public void testlistFiles() throws URISyntaxException, IOException, InterruptedException {
//获取fs对象
Configuration conf=new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "ma");
//查看文件详情
RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/day27"), true);
while (listFiles.hasNext()){
LocatedFileStatus fileStatus = listFiles.next();
//查看文件名称、权限、长度、块信息
System.out.println(fileStatus.getPath().getName());//文件名称
System.out.println(fileStatus.getPermission());//文件权限
System.out.println(fileStatus.getLen());//文件长度
//块信息
for (BlockLocation blockLocation : fileStatus.getBlockLocations()) {
// System.out.println(blockLocation);
for (String host : blockLocation.getHosts()) {//返回所有的主机名称
System.out.println(host);
}
}
System.out.println();
}
fs.close();
}
3.2.6 HDFS文件和文件夹判断
/*判断是文件还是文件夹*/
@Test
public void testfileStatus() throws URISyntaxException, IOException, InterruptedException {
//获取fs对象
Configuration conf=new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "ma");
//判断是否是文件夹
FileStatus[] fileStatuses = fs.listStatus(new Path("/"));//首先获取文件状态
for(FileStatus fileStatus:fileStatuses){
if (fileStatus.isFile()){//进行判断
System.out.println("文件:"+fileStatus.getPath().getName());
}else {
System.out.println("文件夹:"+fileStatus.getPath().getName());
}
}
fs.close();
}
3.3 HDFS的I/O流操作
上面我们学的API操作HDFS系统都是框架封装好的。那么如果我们想自己实现上述API的操作该怎么实现呢?
我们可以采用IO流的方式实现数据的上传和下载。
3.3.1文件上传
FSDataOutputStream
public class Hdfs_IO {
/*把本地TXT文件上传到HDFS*/
@Test
public void putFileToHDFS() throws URISyntaxException, IOException, InterruptedException {
//创建fs对象
Configuration conf =new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "ma");
//获取输入流
FileInputStream fis = new FileInputStream(new File("D:\\Big_Data\\17马赞康.doc"));
//获取输出流
FSDataOutputStream fsdos = fs.create(new Path("/day27/test/17马赞康.doc"));
//流的对拷贝
IOUtils.copyBytes(fis,fsdos,conf);
//关闭
IOUtils.closeStream(fis);
IOUtils.closeStream(fsdos);
fs.close();
}
3.3.2文件下载
FSDataInputStream
/*HDFS文件下载*/
@Test
public void getFileFromHDFS() throws URISyntaxException, IOException, InterruptedException {
//创建fs对象
Configuration conf=new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),conf,"ma");
//获取输入流
FSDataInputStream fis=fs.open(new Path("/day27/test/17马赞康.doc"));
//获取输出流
FileOutputStream fos = new FileOutputStream(new File("D:\\Big_Data\\17马赞康.doc"));
//流的对拷
IOUtils.copyBytes(fis,fos,conf);
//关闭
IOUtils.closeStream(fis);
IOUtils.closeStream(fos);
fs.close();
}
3.3.3 定位文件读取
/* 定位文件的读取
需求:分块读取HDFS上的大文件,比如根目录下的/hadoop-2.7.2.tar.gz
*/
//下载第一块
@Test
public void Fileread() throws URISyntaxException, IOException, InterruptedException {
//fs对象创建
Configuration conf=new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "ma");
//获取输入流
FSDataInputStream fis=fs.open(new Path("/hadoop-2.7.2.tar.gz"));
//获取输出流
FileOutputStream fos = new FileOutputStream(new File("D:\\Big_Data\\Hadoop_Test_file\\hadoop-2.7.2.tar.gz"));
//流的对拷(只拷贝128m)
byte[] bytes=new byte[1024];
for (int i = 0; i < 1024 * 128; i++) {
fis.read(bytes);//读取文件到byte数组
fos.write(bytes);
}
//关闭
IOUtils.closeStream(fis);
IOUtils.closeStream(fos);
fs.close();
}
//下载第二块
@Test
public void Fileread1() throws URISyntaxException, IOException, InterruptedException {
//fs对象创建
Configuration conf=new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "ma");
//获取输入流
FSDataInputStream fis=fs.open(new Path("/hadoop-2.7.2.tar.gz"));
//设置指定读取起点
fis.seek(1024*1024*128);
//获取输出流
FileOutputStream fos=new FileOutputStream(new File("D:\\Big_Data\\Hadoop_Test_file\\1hadoop-2.7.2.tar.gz"));
//流的拷贝(下载第二块)
IOUtils.copyBytes(fis,fos,conf);
//关闭
IOUtils.closeStream(fis);
IOUtils.closeStream(fos);
fs.close();
}
文件合并
在Window命令窗口中进入到目录E:\,然后执行如下命令,对数据进行合并
type hadoop-2.7.2.tar.gz.part2 >> hadoop-2.7.2.tar.gz.part1
第4章 HDFS的数据流(面试重点)
4.1 HDFS写数据流程
4.1.1 剖析文件写入
- 客户端通过Distrbuted Filesystem模块向NameNode申请上传文件,NameNode检查目标文件是否已存在,父目录是否存在
- NameNode返回是否可以上传
- 客户端请求第一个Block上传到哪几个DataNode服务器上
- NameNode返回三个DataNode节点,分别为1,2,3
- 客户端通过Fsdataoutputstream模块请求1上传数据,1收到请求会继续调用2,然后2调用3,将这个通信管道建立完成
- 1,2,3逐级应答客户端
- 客户端开始往1上传第一个Block,以packet为单位,dn1收到一个Packet就会传给dn2,dn2传给dn3;dn1每传一个packet会放入一个应答队列等待应答。
- 当一个Block传输完成之后,客户端再次请求NameNode上传第二个Block的服务器。
4.1.2 网络拓扑-节点距离计算
那节点最近距离怎么计算呢?
节点距离:两个节点到达最近的共同祖先的距离总和
4.1.3 机架感知(副本存储节点选择)
官方ip地址
机架感知说明
http://hadoop.apache.org/docs/r2.7.2/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication
Hadoop2.7.2副本节点选择
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DzEfjEHn-1660574903958)(C:\Users\kangz\AppData\Roaming\Typora\typora-user-images\image-20220428095334498.png)]
4.2 HDFS读数据流程
- 客户端通过Distributed FileSystem向NameNode请求下载文件,NameNode通过查询元数据,找到文件块所在的DataNode地址。
- 挑选一台DataNode(就近原则,然后随机)服务器,请求读取数据。
- DataNode开始传输数据给客户端(从磁盘里面读取数据输入流,以Packet为单位来做校验)。
- 客户端以Packet为单位接收,先在本地缓存,然后写入目标文件。
第5章 NameNode和SecondaryNameNode(面试开发重点)
5.1 NN和2NN工作机制
5.2 Fsimage和Edits解析
5.3 CheckPoint时间设置
5.4 NameNode故障处理
方法一:将secondaryNameNode中数据拷贝到NameNode存储数据的目录
方法二:使用-importCheckpoint选项启动NameNode守护进程,从而将SecondaryNameNode中数据拷贝到NameNode目录中。
5.5集群安全模式
- 基本语法
集群处于安全模式,不能执行重要操作(写操作)。集群启动完成后,自动退出安全模式。
(1)bin/hdfs dfsadmin -safemode get (功能描述:查看安全模式状态)
(2)bin/hdfs dfsadmin -safemode enter (功能描述:进入安全模式状态)
(3)bin/hdfs dfsadmin -safemode leave (功能描述:离开安全模式状态)
(4)bin/hdfs dfsadmin -safemode wait (功能描述:等待安全模式状态)
5.6 NameNode多目录配置
- NameNode的本地目录可以配置成多个,且每个目录存放内容相同,增加了可靠性
第6章 DataNode(面试开发重点)
6.1 DataNode工作机制
6.2 数据完整性
6.3 掉线时限参数设置
6.4 服役新数据节点
6.5 退役旧数据节点
6.5.1 添加白名单
添加到白名单的主机节点,都允许访问NameNode,不在白名单的主机节点,都会被退出
6.5.2 黑名单退役
在黑名单上面的主机都会被强制退出
6.6 Datanode多目录配置
- DataNode也可以配置成多个目录,每个目录存储的数据不一样。即:数据不是副本
- 具体配置如下
hdfs-site.xml
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value>
</property>
第7章 HDFS 2.X新特性
7.1 集群间数据拷贝
- scp实现两个远程主机之间的文件复制
scp -r hello.txt root@hadoop103:/user/atguigu/hello.txt // 推 push
scp -r [root@hadoop103:/user/atguigu/hello.txt hello.txt](mailto:root@hadoop103:/user/atguigu/hello.txt hello.txt) // 拉 pull
scp -r root@hadoop103:/user/atguigu/hello.txt root@hadoop104:/user/atguigu //是通过本地主机中转实现两个远程主机的文件复制;如果在两个远程主机之间ssh没有配置的情况下可以使用该方式。
- 采用distcp命令实现两个Hadoop集群之间的递归数据复制
[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop distcp
hdfs://haoop102:9000/user/atguigu/hello.txt hdfs://hadoop103:9000/user/atguigu/hello.txt
7.2 小文件存档
- HDFS存储小文件弊端
每个文件均按块存储,每个块的元数据存储在NameNode的内存中,因此HDFS存储小文
件会非常低效。因为大量的小文件会耗尽NameNode中的大部分内存。但注意,存储小文件
所需要的磁盘容量和数据块的大小无关。例如,一个1MB的文件设置为128MB的块存储,实
际使用的是1MB的磁盘空间,而不是128MB。 - 解决存储小文件办法之一
HDFS存档文件或HAR文件,是一个更高效的文件存档工具,它将文件存入HDFS块,在减
少NameNode内存使用的同时,允许对文件进行透明的访问。具体说来,HDFS存档文件对内
还是一个一个独立文件,对NameNode而言却是一个整体,减少了NameNode的内存。 - 案例实操
(1)需要启动YARN进程
start-yarn.sh
(2)归档文件
把/user/atguigu/input目录里面的所有文件归档成一个叫input.har的归档文件,并把归档后文件存储到/user/atguigu/output路径下。
[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop archive -archiveName input.har –p /user/atguigu/input /user/atguigu/output
(3)查看归档
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -lsr /user/atguigu/output/input.har
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -lsr har:///user/atguigu/output/input.har
(4)解归档文件
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -cp har:/// user/atguigu/output/input.har/* /user/atguigu
7.3 回收站
开启回收站功能,可以将删除的文件在不超时的情况下,恢复原数据,起到防止误删除、备份等作用。
-
回收站参数设置及工作机制
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-G0qKlWTz-1660574903959)(C:\Users\kangz\AppData\Roaming\Typora\typora-user-images\image-20220429220846278.png)]
-
启用回收站
修改core-site.xml,配置垃圾回收时间为1分钟。
<property> <name>fs.trash.interval</name> <value>1</value> </property>
-
查看回收站
回收站在集权中的路径:/user/ma/.Trash/
-
修改访问垃圾回收站用户
进入垃圾回收站用户名称。默认是dr.who,修改为ma用户
[core-site.xml] <property> <name>hadoop.http.staticuser.user</name> <value>atguigu</value> </property>
-
通过程序删除的文件不会经过回收站,需要调用moveToTrash()才能进入回收站
Trash trash = New Trash(conf);
trash.moveToTrash(path);
-
恢复回收站数据
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -mv /user/atguigu/.Trash/Current/user/atguigu/input /user/atguigu/input
-
清空回收站
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -expunge