HDFS学习

HDFS是什么：分布式文件存储系统
HDFS架构：HDFS是一个主/从（Mater/Slave）体系结构，HDFS集群拥有一个NameNode和一些DataNode。NameNode管理文件系统的元数据，DataNode存储实际的数据。客户端通过同NameNode和DataNodes的交互访问文件系统。客户端联系NameNode以获取文件的元数据，而真正的文件I/O操作是直接和DataNode进行交互的。
HDFS一般是用来“一次写入，多次读取”，不适合做实时交互性很强的事情，不适合存储大量小文件（当然也有解决方案）
HDFS原理：
１　分布式文件系统，它所管理的文件是被切块存储在若干台datanode服务器上.
２　hdfs提供了一个统一的目录树来定位hdfs中的文件，客户端访问文件时只要指定目录树的路径即可，不用关心文件的具体物理位置．
３　每一个文件的每一个切块，在hdfs集群中都可以保存多个备份（默认３份），在hdfs-site.xml中，dfs.replication的value的数量就是备份的数量．
４　hdfs中有一个关键进程服务进程：namenode，它维护了一个hdfs的目录树及hdfs目录结构与文件真实存储位置的映射关系（元数据）．而datanode服务进程专门负责接收和管理＂文件块＂–block默认大小为128Ｍ(可配置),(dfs.blocksize)．（老版本的hadoop的默认block是64M的）

HDFS常用的操作：
注：以下执行命令均在spark安装目录的bin目录下。
path 为路径 src为文件路径 dist 为文件夹
1、-help[cmd] 显示命令的帮助信息

./hdfs dfs -help ls

2、-ls® 显示当前目录下的所有文件 -R层层循出文件夹

./hdfs dfs -ls /log/map
./hdfs dfs -lsr /log/   (递归的)

3、-du(s) 显示目录中所有文件大小,或者当只指定一个文件时，显示此文件的大小

./hdfs dfs -du /user/hadoop/dir1 /user/hadoop/file1 hdfs://host:port/user/hadoop/dir1

4、-count[-q] 显示当前目录下的所有文件大小
5、-mv 移动多个文件目录到目标目录

./hdfs dfs -mv /user/hadoop/file1 /user/hadoop/file2

6、-cp 复制多个文件到目标目录

./hdfs dfs -cp /user/hadoop/file1 /user/hadoop/file2 (将文件从源路径复制到目标路径。
这个命令允许有多个源路径，此时目标路径必须是一个目录。)

7、-rm® 删除文件（夹）

./hdfs dfs -rmr /log/map1  (递归删除)

8、-put 本地文件复制到hdfs

./hdfs dfs -put test.txt /log/map/

9、-copyFromLocal 本地文件复制到hdfs

./hdfs dfs -copyFromLOcal /usr/data/text.txt /log/map1/   (将本地的text.txt 复制到hdfs的/log/map1/下)

10、-moveFromLocal 本地文件移动到hdfs

./hdfs dfs -moveFromLocal /usr/data/text.txt /log/map1/   (将本地的text.txt移动到hdfs的/log/map1/下)

put和copyfromlocal的区别在于copyFromLocal的源路径只能是一个本地的文件。
而put的源路径可能是多个文件，也可能是标准输入，也就说put可以多个文件（批量），书写方式灵活。

11、-cat 在终端显示文件内容

./hdfs dfs -cat /log/map1/part-00000  | head (读取hdfs上的/log/map1下的part-00000文件    head参数，代表前十行。)

 /hdfs dfs -tail /log/map1/part-00000 (查看文件的最后一千行）

12、-grep 从hdfs上过滤包含某个字符的行内容

./hdfs dfs -cat /log/testlog/* | grep 过滤字段

13、-get[-ignoreCrc] 复制文件到本地，可以忽略crc校验

./hdfs dfs -get /log/map1/*  . (复制到本地当前目录下)
/hdfs dfs -get /log/map1/* /usr/data （将hdfs下的/log/map1/下的所有文件全部复制到本地的/usr/data/下 ）

用来操作hdfs文件系统目录信息快照

-createSnapshot
-deleteSnapshot
-renameSnapshot
-->hadoop fs -createSnapshot /

-df #统计文件系统的可用空间信息
-du #查看文件的大小

-->hadoop fs -df -h /
-->hadoop fs -du -s -h /aaa/*

-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
-rmdir #删除空目录

HDFS写入数据流程