大数据3-HDFS

最新推荐文章于 2024-07-17 09:36:32 发布

Var.can

最新推荐文章于 2024-07-17 09:36:32 发布

阅读量164

点赞数

分类专栏：大数据文章标签： hadoop 大数据 java

本文链接：https://blog.csdn.net/qq_32193775/article/details/105168102

版权

大数据专栏收录该内容

6 篇文章 0 订阅

订阅专栏

HDFS产生的背景和定义

1.1 背景

随着数据量的增大，在一个操作系统中存不下所有的数据，那么久分配到更多的操作系统管理的磁盘中，但不方便管理和维护，迫切需要一种系统来管理多台机器上面的文件，这是分布式文件管理系统，hdfs只是分布式文件管理系统中一种；

1.2 定义

HDFS（Hadoop Distrubuted File System）,它是一个文件系统，用于存储文件，通过目录树来定位文件，其次，它是分布式的，由很多服务器联合而成，集群中的服务器有各自的角色；

HDFS的使用场景，适合一次写入，多次读出的场景，且不支持文件的修改，适合用来做数据分析；

优缺点

优点：

1.	搞容错性
  	1.	数据自动保存多个副本，它可以通过副本的形式，提高容错性；
  	2.	某个副本丢失以后，它可以自动恢复；
2.	适合处理大数据
  	1.	数据规模：能够处理数据规模达GB，TB，甚至PB级别
  	2.	文件规模：能够处理百万规模以上的文件数量，数量相当大；
3.	可用在廉价机器上，通过多副本机制，提高可靠性；

缺点：

不适合低延时的数据访问，比如毫秒级的储存数据；
无法高效的对大量的小文件进行存储；
1. 存储文件大量小文件的话，它会占用namenode大量内存来存储文件的目录和块信息，这样不好，namenode的内存是有限的；
2. 小文件的会导致寻址时间超过读取时间，违背了hdfs的设计目标；
不支持并发写入，文件随机修改
1. 一个文件只能一个线程写，不允许多线程同时写入；
2. 仅支持数据append；不支持文件的修改；

hdfs的组织架构

在这里插入图片描述

namenode—master，它是主管，管理者；
1. 管理hdfs的名称空间
2. 配置副本策略
3. 管理数据块block映射信息
4. 处理客户端读写请求
datanode，就是slave，namenode下达命令，datanode执行实际的操作
1. 存储实际的数据块
2. 执行数据块的读写
client 客户端
1. 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，然后进行上传；
2. 于namenode交互，获取文件的位置信息；
3. 与datanode互动，读取或写入数据
4. client提供一些命令，来管理hdfs，比如namenode格式化
5. client通过一些命令来访问hdfs，比如hdfs增删查改操作
secondary namenode，并非namenode的热备，当namenode挂掉，它并不能马上替换namenode；
1. 辅助namenode，分担其工作量，比如定期合并fsimage，和edits，并推送给namnode；
2. 紧急情况，辅助恢复namenode；

hdfs文件块大小

hdfs中的文件在物理上是分块存储，块的小可以通过配置参数(dfs.blocksize)来规定，默认大小在hadoop2.x版本中是128m，老版本64m；

寻址时间和传输时间，如果寻址时间为10ms，寻址时间为传输时间的1%,则为最佳时间，传输时间=10ms/0.01=1s；

块的大小配置问题

块设置太小：会增加寻址时间，
块设置太大：磁盘传输时间会明显大于定位这个块开始的时间，导致程序处理这块数据时，会非常慢；

hadoop 的shell操作

1．基本语法

bin/hadoop fs 具体命令 OR bin/hdfs dfs 具体命令

dfs是fs的实现类。

2．命令大全

[user@linux2 hadoop-2.7.2]$ bin/hadoop fs

[-appendToFile <localsrc> ... <dst>]

    [-cat [-ignoreCrc] <src> ...]

    [-checksum <src> ...]

    [-chgrp [-R] GROUP PATH...]

    [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]

    [-chown [-R] [OWNER][:[GROUP]] PATH...]

    [-copyFromLocal [-f] [-p] <localsrc> ... <dst>]

    [-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]

    [-count [-q] <path> ...]

    [-cp [-f] [-p] <src> ... <dst>]

    [-createSnapshot <snapshotDir> [<snapshotName>]]

    [-deleteSnapshot <snapshotDir> <snapshotName>]

    [-df [-h] [<path> ...]]

    [-du [-s] [-h] <path> ...]

    [-expunge]

    [-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]

    [-getfacl [-R] <path>]

    [-getmerge [-nl] <src> <localdst>]

    [-help [cmd ...]]

    [-ls [-d] [-h] [-R] [<path> ...]]

    [-mkdir [-p] <path> ...]

    [-moveFromLocal <localsrc> ... <dst>]

    [-moveToLocal <src> <localdst>]

    [-mv <src> ... <dst>]

    [-put [-f] [-p] <localsrc> ... <dst>]

     [-renameSnapshot <snapshotDir> <oldName> <newName>]

    [-rm [-f] [-r|-R] [-skipTrash] <src> ...]

    [-rmdir [--ignore-fail-on-non-empty] <dir> ...]

    [-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]

    [-setrep [-R] [-w] <rep> <path> ...]

    [-stat [format] <path> ...]

    [-tail [-f] <file>]

    [-test -[defsz] <path>]

    [-text [-ignoreCrc] <src> ...]

    [-touchz <path> ...]

    [-usage [cmd ...]]

3．常用命令实操

（0）启动Hadoop集群（方便后续的测试）

 [user@linux2 hadoop-2.7.2]$ sbin/start-dfs.sh

 [user@linux3 hadoop-2.7.2]$ sbin/start-yarn.sh

（1）-help：输出这个命令参数

[user@linux2 hadoop-2.7.2]$ hadoop fs -help rm

（2）-ls: 显示目录信息

   [user@linux2 hadoop-2.7.2]$ hadoop fs -ls /

（3）-mkdir：在HDFS上创建目录

[user@linux2 hadoop-2.7.2]$ hadoop fs -mkdir -p /sanguo/shuguo

（4）-moveFromLocal：从本地剪切粘贴到HDFS

  [user@linux2 hadoop-2.7.2]$ touch kongming.txt

  [user@linux2 hadoop-2.7.2]$ hadoop fs -moveFromLocal ./kongming.txt /sanguo/shuguo

（5）-appendToFile：追加一个文件到已经存在的文件末尾

 [user@linux2 hadoop-2.7.2]$ touch liubei.txt
 [user@linux2 hadoop-2.7.2]$ vi liubei.txt

输入

[user@linux2 hadoop-2.7.2]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo/kongming.txt

（6）-cat：显示文件内容

  [user@linux2 hadoop-2.7.2]$ hadoop fs -cat /sanguo/shuguo/kongming.txt

（7）-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限

[user@linux2 hadoop-2.7.2]$ hadoop fs -chmod 666 /sanguo/shuguo/kongming.txt
[user@linux2 hadoop-2.7.2]$ hadoop fs -chown user:user  /sanguo/shuguo/kongming.txt

（8）-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

  [user@linux2 hadoop-2.7.2]$ hadoop fs -copyFromLocal README.txt /

（9）-copyToLocal：从HDFS拷贝到本地

   [user@linux2 hadoop-2.7.2]$ hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./

（10）-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径

[user@linux2 hadoop-2.7.2]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt

（11）-mv：在HDFS目录中移动文件

   [user@linux2 hadoop-2.7.2]$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/

（12）-get：等同于copyToLocal，就是从HDFS下载文件到本地

  [user@linux2 hadoop-2.7.2]$ hadoop fs -get /sanguo/shuguo/kongming.txt ./

（13）-getmerge：合并下载多个文件，比如HDFS的目录 /user/user/test下有多个文件:log.1, log.2,log.3,…

[user@linux2 hadoop-2.7.2]$ hadoop fs -getmerge /user/user/test/* ./zaiyiqi.txt

（14）-put：等同于copyFromLocal

   [user@linux2 hadoop-2.7.2]$ hadoop fs -put ./zaiyiqi.txt /user/user/test/

（15）-tail：显示一个文件的末尾

   [user@linux2 hadoop-2.7.2]$ hadoop fs -tail /sanguo/shuguo/kongming.txt

（16）-rm：删除文件或文件夹

   [user@linux2 hadoop-2.7.2]$ hadoop fs -rm /user/user/test/jinlian2.txt

（17）-rmdir：删除空目录

[user@linux2 hadoop-2.7.2]$ hadoop fs -mkdir /test

[user@linux2 hadoop-2.7.2]$ hadoop fs -rmdir /test

（18）-du统计文件夹的大小信息

 	   [user@linux2 hadoop-2.7.2]$ hadoop fs -du -s -h /user/user/test

				2.7 K /user/user/test

 

    [user@linux2 hadoop-2.7.2]$ hadoop fs -du -h /user/user/test

			1.3 K /user/user/test/README.txt

			15   /user/user/test/jinlian.txt

			1.4 K /user/user/test/zaiyiqi.txt

（19）-setrep：设置HDFS中文件的副本数量

[user@linux2 hadoop-2.7.2]$ hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt

这里设置的副本数只是记录在NameNode的元数据中，是否真的会有这么多副本，还得看DataNode的数量。因为目前只有3台设备，最多也就3个副本，只有节点数的增加到10台时，副本数才能达到10。

Var.can

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
大数据3-HDFS

HDFS产生的背景和定义1.1 背景随着数据量的增大，在一个操作系统中存不下所有的数据，那么久分配到更多的操作系统管理的磁盘中，但不方便管理和维护，迫切需要一种系统来管理多台机器上面的文件，这是分布式文件管理系统，hdfs只是分布式文件管理系统中一种；1.2 定义 HDFS（Hadoop Distrubuted File System）,它是一个文件系统，用于存储文件，通过目录树来定...
复制链接

扫一扫