HDFS的概述与命令操作

一 HDFS 概述

1 HDFS 概念
HDFS，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， 由很多服务器联合起来实现其功能，集群中的服务器有各自的角色。
HDFS 的设计适合一次写入，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，并不适合用来做网盘应用。

2 HDFS 优缺点
优点：
1 高容错性
1）数据自动保存多个副本。它通过增加副本的形式，提高容错性。
2）某一个副本丢失以后，它可以自动恢复。

2 适合大数据处理
1）数据规模：能够处理数据规模达到 GB、 TB、甚至 PB 级别的数据。
2）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。

3 流式数据访问
1）一次写入，多次读取，不能修改，只能追加。
2）它能保证数据的一致性。

4 可构建在廉价机器上， 通过多副本机制，提高可靠性。

缺点：
1 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。

2 无法高效的对大量小文件进行存储
1）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。
2）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。

3 并发写入、文件随机修改
1）一个文件只能有一个写，不允许多个线程同时写。
2）仅支持数据 append（追加），不支持文件的随机修改。

3 HDFS 架构

这种架构主要由四个部分组成，分别为 HDFS Client、 NameNode、DataNode 和 SecondaryNameNode。下面我们分别介绍这四个组成部分。

1 Client：就是客户端。
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
行存储。
2）与 NameNode 交互，获取文件的位置信息。
3）与 DataNode 交互，读取或者写入数据。
4） Client 提供一些命令来管理 HDFS，比如启动或者关闭 HDFS。
5） Client 可以通过一些命令来访问 HDFS。

2 NameNode：就是 master，它是一个主管、管理者。
1）管理 HDFS 的名称空间。
2）管理数据块（Block） 映射信息
3）配置副本策略
4）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。
1）存储实际的数据块。
2）执行数据块的读/写操作。

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。
1）辅助 NameNode，分担其工作量。
2）定期合并 Fsimage 和 Edits，并推送给 NameNode。
3）在紧急情况下，可辅助恢复 NameNode。

4 HDFS 文件块大小
HDFS 中的文件在物理上是分块存储（block），块的大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，老版本中是 64M。HDFS 的块比磁盘的块大，其目的是为了最小化寻址开销。如果块设置得足够大，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。因而， 传输一个由多个块组成的文件的时间取决于磁盘传输速率。

如果寻址时间约为 10ms，而传输速率为 100MB/s，为了使寻址时间仅占传输时间的 1%，我们要将块大小设置约为 100MB。 默认的块大小 128MB。

块的大小： 10ms*100*100M/s = 100M

二 HFDS 命令行操作

1 基本语法
hadoop fs 具体命令

2 参数大全

[root@hadoop102 hadoop-2.7.2]$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

#1 启动 Hadoop 集群（方便后续的测试）
[root@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
[root@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh

#2 -help： 输出这个命令参数
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -help rm

#3 -ls: 显示目录信息
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -ls /

#4 -mkdir：在 hdfs 上创建目录
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -mkdir -p /user/joker/test

#5 -moveFromLocal 从本地剪切粘贴到 hdfs
[root@hadoop102 hadoop-2.7.2]$ touch jinlian.txt
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -moveFromLocal ./jinlian.txt /user/joker/test

#6 -appendToFile ：追加一个文件到已经存在的文件末尾
[root@hadoop102 hadoop-2.7.2]$ touch ximen.txt
[root@hadoop102 hadoop-2.7.2]$ vim ximen.txt
#输入 I love you
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -appendToFile ximen.txt /user/joker/test/jinlian.txt

#7 -cat ：显示文件内容
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -cat /user/joker/test/jinlian.txt

#8 -tail：显示一个文件的末尾
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -tail /user/joker/test/jinlian.txt

#9 -chgrp 、 -chmod、 -chown： linux 文件系统中的用法一样，修改文件所属权限
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -chmod 666 /user/joker/test/jinlian.txt
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -chown joker:joker /user/joker/test/jinlian.txt

#10 -copyFromLocal：从本地文件系统中拷贝文件到 hdfs 路径去
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -copyFromLocal ximen.txt /user/joker/test

#11 -copyToLocal：从 hdfs 拷贝到本地
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -copyToLocal /user/joker/test/jinlian.txt ./jinlian.txt

#12 -cp ：从 hdfs 的一个路径拷贝到 hdfs 的另一个路径
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -cp /user/joker/test/jinlian.txt /jinlian2.txt

#13 -mv：在 hdfs 目录中移动文件
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -mv /jinlian2.txt /user/joker/test/

#14 -get：等同于 copyToLocal，就是从 hdfs 下载文件到本地
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -get /user/joker/test/jinlian2.txt ./

#15 -getmerge ：合并下载多个文件，比如 hdfs 的目录 /aaa/下有多个文件:log.1,log.2,log.3,...
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -getmerge /user/joker/test/* ./zaiyiqi.txt

#16 -put：等同于 copyFromLocal
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -put ./zaiyiqi.txt /user/joker/test/

#17 -rm：删除文件或文件夹
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -rm -rf /user/joker/test/jinlian2.txt

#18 -rmdir：删除空目录
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -mkdir /test
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -rmdir /test

#19 -df ：统计文件系统的可用空间信息
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -df -h /

#20 -du 统计文件夹的大小信息
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -du -sh /user/joker/test
1.4 K /user/joker/test
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -du -h /user/joker/test
15 /user/joker/test/jinlian.txt
1.4 K /user/joker/test/zaiyiqi.txt

#21 -setrep：设置 hdfs 中文件的副本数量
[root@hadoop102 hadoop-2.7.2]$ hadoop fs -setrep 2 /user/joker/test/jinlian.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。