Hadoop总结 六 HDFS 一 基础
6.1 HDFS 概述
-
HDFS 只是分布式文件管理系统中的一种
-
HDFS 是一个文件系统,通过目录树定位文件,是分布式的
-
HDFS 适合一次写入,多次读出的场景,且不支持文件的修改,适合文件存储和数据分析
-
优点:
1.高容错性
数据自动保存多个副本,通过增加副本的形式提高容错性
某个副本丢失,可以自动恢复
2.适合处理大数据
数据规模:能处理数据规模达到GB,TB,PB级别的数据
文件规模:能够处理百万规模以上的文件数量
3.可以构建在成本较低的机器上,通过增加副本提高可靠性
-
缺点:
1.不适合低延时数据访问,比如毫秒级的存储数据
2.无法高效的对大量小文件进行存储
3.不支持数据的随机修改,仅支持数据的追加(append)
-
HDFS 的组成结构
-
NameNode(nn):就是master,是对DataNode管理的对象
1.管理HDFS的名称空间
2.配置副本策略
3.管理数据块映射信息
4.处理客户端读写请求
-
DataNode(dn):
1.存储实际的数据块
2.执行数据块的读写操作
-
client:客户端
1.文件切分:文件上传到HDFS时,client将文件切分成一个一个的block,然后进行上传
2.与NameNode进行交互:获取文件的位置信息
3.与DataNode进行交互:读或写入数据
4.client提供一些命令管理HDFS,比如NameNode格式化
5.client可以通过一些命令访问HDFS,比如hdfs增删改查的操作
-
Secondary NameNode:
1.并非NameNode的热备,当NameNode挂掉时,它并不能马上替换NameNode提供服务
2.辅助NameNode,分担工作任务,比如定期合并Fsimage和Edits,并推送给NameNode
3.在紧急情况下可以辅助恢复NameNode
-
-
HDFS 文件块大小
-
HDFS的文件在物理上的存储是分块存储,块的大小可以通过配置参数(dfs.blocksize)进行调整,在hadoop2.x版本及以上默认是128M,在1.x版本中是64M.
-
设置合适块大小:寻址时间为传输时间的1%为最佳状态
如果寻址之间为10ms
计算传输时间为10ms/0.01=1000ms = 1s
目前磁盘的传输速度普遍为100MB/s
即:100MB/S*1S =100MB
-
问题(面试警告):为什么块不能设置太小也不能设置太大?
HDFS 的块设置块太小会增加寻址时间,块小代表着一个文件会被分成更多的块,那么NameNode会寻找更多次才能找到一个文件的所有块的地址
HDFS 的块设置太大,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要的时间,导致程序在出路这块数据时,会非常的慢.
-
HDFS文件块大小取决于磁盘传输的速率.
-
6.2 HDFS的shell操作
-
基本语法
hadoop fs 命令
hadoop dfs 命令
两种形式的作用是完全相同的
-
命令大全
bin/hadoop fs
#显示内容为hadoop的指令
-
常用命令
1.启动hadoop集群
2.hadoop fs -help rm
1.上传
#1.从本地剪切上传到HDFS 相当于上传后自动删除本地文件 hadoop fs -moveFromLocal /xxxx/xxx.xx(文件) #2.从本地复制到HDFS hadoop fs -copyFromLocal /xxx/xxx(文件) #3.追加一个文件到已经存在的文件的末尾 hadoop fs -appendToFile /xxx/xxx(本地文件) /xx/xx.x(hdfs系统中的文件) #4.-put 等同于copyFromLocal hadoop fs -put /xxx/xx.x(本地文件)
2.下载
#1.从HDFS拷贝到本地
hadoop fs -copyToLocal /xx.xx(hdfs中存储的文件)
#2.get 等同于拷贝到本地
hadoop fs -get /xx.xx
#3.合并下载多个文件
hadoop fs -getmerge /xx/* (hdfs中存储的文件) /xx.xx(合并到本地的文件名)
3.HDFS直接操作
-ls: 显示目录信息
hadoop fs -ls /
-mkdir：在HDFS上创建目录
hadoop fs -mkdir -p /sanguo/shuguo
-cat：显示文件内容
hadoop fs -cat /sanguo/shuguo/kongming.txt
-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限
hadoop fs -chmod 666 /sanguo/shuguo/kongming.txt
hadoop fs -chown muxue:muxue /sanguo/shuguo/kongming.txt
-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径
hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt
-mv：在HDFS目录中移动文件
hadoop fs -mv /zhuge.txt /sanguo/shuguo/
-tail：显示一个文件的末尾1kb的数据
hadoop fs -tail /sanguo/shuguo/kongming.txt
-rm：删除文件或文件夹
hadoop fs -rm /user/muxue/test/jinlian2.txt
-rmdir：删除空目录
hadoop fs -mkdir /test
hadoop fs -rmdir /test
-du统计文件夹的大小信息
hadoop fs -du -s -h /user/muxue/test
2.7 K /user/muxue/test
hadoop fs -du -h /user/muxue/test
1.3 K /user/muxue/test/README.txt
15 /user/muxue/test/jinlian.txt
1.4 K /user/muxue/test/zaiyiqi.txt
-setrep：设置HDFS中文件的副本数量
hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt
6.3 HDFS的客户端操作(代码)
-
HDFS 客户端环境准备
Windows环境下需要配置HDFS的环境变量
-
创建maven工程导入相应的依赖
<dependencies> <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>4.12</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-client</artifactId> <version>3.1.3</version> </dependency> </dependencies> -
创建一个测试类
public class HdfsClient{ @Test public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{ // 1 获取文件系统 Configuration configuration = new Configuration(); // 配置在集群上运行 // configuration.set("fs.defaultFS", "hdfs://hadoop102:9820"); // FileSystem fs = FileSystem.get(configuration); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "test");//test是用户名 // 2 创建目录 fs.mkdirs(new Path("/1108/daxian/banzhang")); // 3 关闭资源 fs.close(); } } -
文件上传
@Test public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException { // 1 获取文件系统 Configuration configuration = new Configuration(); //dfs.replication 需要读取本地的配置文件 configuration.set("dfs.replication", "2"); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "test"); // 2 上传文件 fs.copyFromLocalFile(new Path("e:/xx.txt"), new Path("/banzhang.txt")); // 3 关闭资源 fs.close(); System.out.println("over");<!-- hdfs-site.xml拷贝到项目的根目录下 的resource文件夹下面--> <?xml version="1.0" encoding="UTF-8"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration> <property> <name>dfs.replication</name> <value>1</value> </property> </configuration> -
关于configuration参数的优先级
参数优先级排序：（1）客户端代码中设置的值 >（2）ClassPath下的用户自定义配置文件 >（3）然后是服务器的自定义配置(xxx-site.xml) >（4）服务器的默认配置(xxx-default.xml)
-
文件下载
@Test public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{ // 1 获取文件系统 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "test"); // 2 执行下载操作 // boolean delSrc 指是否将原文件删除 // Path src 指要下载的文件路径 // Path dst 指将文件下载到的路径 // boolean useRawLocalFileSystem 是否开启文件校验 fs.copyToLocalFile(false, new Path("/banzhang.txt"), new Path("e:/banhua.txt"), true); // 3 关闭资源 fs.close(); } -
删除HDFS文件和目录
@Test public void testDelete() throws IOException, InterruptedException, URISyntaxException{ // 1 获取文件系统 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "test"); // 2 执行删除 fs.delete(new Path("/0508/"), true); // 3 关闭资源 fs.close(); } -
HDFS 更名和移动
@Test public void testRename() throws IOException, InterruptedException, URISyntaxException{ // 1 获取文件系统 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "test"); // 2 修改文件名称 fs.rename(new Path("/banzhang.txt"), new Path("/banhua.txt")); // 3 关闭资源 fs.close(); } -
HDFS文件查看详情
@Test public void testListFiles() throws IOException, InterruptedException, URISyntaxException{ // 1获取文件系统 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "test"); // 2 获取文件详情 RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true); while(listFiles.hasNext()){ LocatedFileStatus status = listFiles.next(); // 输出详情 // 文件名称 System.out.println(status.getPath().getName()); // 长度 System.out.println(status.getLen()); // 权限 System.out.println(status.getPermission()); // 分组 System.out.println(status.getGroup()); // 获取存储的块信息 BlockLocation[] blockLocations = status.getBlockLocations(); for (BlockLocation blockLocation : blockLocations) { // 获取块存储的主机节点 String[] hosts = blockLocation.getHosts(); for (String host : hosts) { System.out.println(host); } } System.out.println("-----------班长的分割线----------"); } // 3 关闭资源 fs.close(); } -
HDFS 文件和文件夹的判断
@Test public void testListStatus() throws IOException, InterruptedException, URISyntaxException{ // 1 获取文件配置信息 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9820"), configuration, "muxue"); // 2 判断是文件还是文件夹 FileStatus[] listStatus = fs.listStatus(new Path("/")); for (FileStatus fileStatus : listStatus) { // 如果是文件 if (fileStatus.isFile()) { System.out.println("f:"+fileStatus.getPath().getName()); }else { System.out.println("d:"+fileStatus.getPath().getName()); } } // 3 关闭资源 fs.close(); }
154
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
