HDFS的概述
⚫ 在现代的企业环境中,单机容量往往无法存储大量数据,需要跨机器存储。统一管理分布在集群上的文件系统称为分布式文件系统 。
⚫ HDFS(Hadoop Distributed File System)是 Apache Hadoop 项目的一个子项目. Hadoop 非常适于存储大型数据 (比如 TB 和 PB), 其就是使用 HDFS 作为存储系统. HDFS 使用多台计算机存储文件, 并且提供统一的访问接口, 像是访问一个普通文件系统一样使用分布式文件系统.
⚫ 分布式文件系统解决的问题就是大数据存储。它们是横跨在多台计算机上的存储系统。分布式文件系统在大数据时代有着广泛的应用前景,它们为存储和处理超大规模数据提供所需的扩展能力。
HDFS的特点
⚫ HDFS文件系统可存储超大文件,时效性稍差。
⚫ HDFS具有硬件故障检测和自动快速恢复功能。
⚫ HDFS为数据存储提供很强的扩展能力。
⚫ HDFS存储一般为一次写入,多次读取,只支持追加写入,不支持随机修改。
⚫ HDFS可在普通廉价的机器上运行。
HDFS的架构
⚫ HDFS采用Master/Slave架构。
⚫ 一个HDFS集群有两个重要的角色,分别是Namenode和Datanode。
⚫ HDFS的四个基本组件:HDFS Client、NameNode、DataNode和Secondary NameNode。
1.Client
⚫ 就是客户端。
⚫ 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,然后进行存储。
⚫ 与 NameNode 交互,获取文件的位置信息。
⚫ 与 DataNode 交互,读取或者写入数据。
⚫ Client 提供一些命令来管理 和访问HDFS,比如启动或者关闭HDFS。
2.NameNode
⚫ 就是 master,它是一个主管、管理者。
⚫ 管理 HDFS 元数据(文件路径,文件的大小,文件的名字,文件权限,文件的block切片信息….)。
⚫ 配置副本策略。
⚫ 处理客户端读写请求。
3.DataNode
⚫ 就是Slave。NameNode 下达命令,DataNode 执行实际的操作。
⚫ 存储实际的数据块。
⚫ 执行数据块的读/写操作。
⚫ 定时向namenode汇报block信息。
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。
⚫ 辅助 NameNode,分担其工作量。
⚫ 在紧急情况下,可辅助恢复 NameNode。
HDFS的副本机制
⚫ HDFS被设计成能够在一个大集群中跨机器可靠地存储超大文件。它将每个文件存储成一系列的数据块,这个数据块被称为block,除了最后一个,所有的数据块都是同样大小的。
⚫ hdfs默认文件:https://hadoop.apache.org/docs/r3.3.4/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml
⚫ 为了容错,文件的所有block都会有副本。每个文件的数据块大小和副本系数都是可配置的。
⚫ hadoop 当中, 文件的 block 块大小默认是 128M(134217728字节)。
HDFS的Shell命令
Shell命令介绍
➢ 安装好hadoop环境之后,可以执行hdfs相关的shell命令对hdfs文件系统进行操作,比如文件的创建、删除、修改文件权限等。
➢ 对HDFS的操作命令类似于Linux的shell对文件的操作,如ls、mkdir、rm等。
Hadoop提供了文件系统的shell命令使用格式如下: