一、文件块大小
在企业中,一般中小公司:128M,大公司:256M
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:HDFS的块设置太大,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
二、HDFS的读写流程
- 1:客户端通过DistributedFileSystem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
- 2:挑选一台DataNode(就近原则,然后随机)服务器,请求读取数据
- 3:DataNode开始传输数据给客户端(从磁盘里读取数据输入流,以Packet为单位来做校验)
- 4:客户端以Packet为单位接收,现在本地缓存,然后写入目标文件。
- 1:客户端通过DistributeFileSystem模块向NameNode请求上传文件,NameNode检查目标文件是否存在,父目录是否存在
- 2:NameNode方式是否可以上传
- 3:客户端请求第一个Block上传到哪几个DataNode服务器上
- 4:NameNode返回3个DataNode结点,分别为dn1、dn2、dn3
- 5:客户端通过FSDataOuputStream模块请求dn1上传数据,dn1收到请求后会继续调用dn2,然后dn2调用dn3,讲这个通信管道建立完成
- 6:dn1、dn2、dn3逐级应答客户端
- 7:客户端开始往dn1上传第一个Block(先从磁盘读取数据放到一个本地内存缓存),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。
- 8: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
三:HDFS的Shell操作
基本语法:
hadoop fs 具体命令 或者 hdfs dfs 具体命令 两者等价
上传相关操作:
1)-moveFromLocal:从本地剪切粘贴到HDFS
hadoop fs -moveFromLocal 文件地址 HDFS地址
2)-copyFromLocal:从本地文件系统中拷贝文件到HDFS
hadoop fs -copyFromLocal 文件地址 HDFS地址
3)-put:等同于copyFromLocal
hadoop fs -put 文件地址 HDFS地址
4)-appendToFile:追加一个文件到已经存在的文件末尾
hadoop fs -appendToFile 文件地址 HDFS文件的地址
下载相关操作:
1)-copyToLocal:从HDFS拷贝到本地
hadoop fs -copyToLocal HDFS文件的地址 本地文件地址
2)-get:等同于copyToLocal
hadoop fs -get HDFS文件的地址 本地文件地址
HDFS直接操作:
1)-ls:显示目录信息
2)-cat:显示文件内容
3)-chagrp、chmod、-chown:同Linxu文件系统用法一样,修改文件所属组、权限
4)-mkdir:创建路径
5)-cp:从HDFS的一个路径拷贝到HDFS的另一个路径
6)-mv:在HDFS目录中移动文件
7)-tail:显示一个文件的末尾1kb的数据
8)-rm:删除文件或文件夹
9)-rm -r:递归删除目录及目录里面的内容
10)-du(-s -h):统计文件夹的大小信息
11)-setrep:设置HDFS中文件的副本数量
数据
8)-rm:删除文件或文件夹
9)-rm -r:递归删除目录及目录里面的内容
10)-du(-s -h):统计文件夹的大小信息
11)-setrep:设置HDFS中文件的副本数量