39-hadoop-hdfs-基础:
hdfs-xmind
1、HDFS概述
HDFS 产出背景及定义
1)HDFS产生背景
随着数据量越来越大,在一个操作系统存不下所有的数据,那么就分配到更多的操作系
统管理的磁盘中,但是不方便管理和维护,迫切需要一种系统来管理多台机器上的文件,这
就是分布式文件管理系统。HDFS 只是分布式文件管理系统中的一种。
2)HDFS 定义
HDFS(Hadoop Distributed 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,由很多服务器联合起来实现其功能,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。一个文件经过创建、写入和关闭
之后就不需要改变。
2、HDFS的优缺点
优点
1)高容错性
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。
某一个副本丢失以后,它可以自动恢复。
2)适合处理大数据
数据规模:能够处理数据规模达到GB、TB、甚至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,数量相当之大。
3)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。
➢ 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;
➢ 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)不支持并发写入、文件随机修改。
➢ 一个文件只能有一个写,不允许多个线程同时写;
➢ 仅支持数据append(追加),不支持文件的随机修改。
3、HDFS组成
1)NameNode(nn):就是Master,它
是一个主管、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。
2)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。
3)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,然后进行上传;
(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NameNode格式化;
(5)Client可以通过一些命令来访问HDFS,比如对HDFS增删查改操作;
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,比如定期合并Fsimage和Edits,并推送给NameNode ;
ode: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,比如定期合并Fsimage和Edits,并推送给NameNode ;
(2)在紧急情况下,可辅助恢复NameNode。
hadoop-HDFS-文件块大小:
1、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/3.x版本中是128M,1.x版本中是64M。
2)如果寻址时间约为10ms, 即查找到目标block的时间为 10ms。
3)寻址时间为传输时间的1% 时,则为最佳状态。(专家) 因此,传输时间 =10ms/0.01=1000ms=1s
4)而目前磁盘的传输速率普 遍为100MB/s。
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)如果块设置的太大,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。
2、HDFS-shell操作
1)、 基本语法
hadoop fs 具体命令 OR hdfs dfs 具体命令 。两个是完全相同的。
[root@hadoop102 hadoop-3.1.4]# hadoop fs
Usage: hadoop fs [generic options]
[-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] [-l] [-d] [-t <thread count>] <localsrc> ... <dst>]
[-copyToLocal [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-count [-q] [-h] [-v] [-t [<storage type>]] [-u] [-x] [-e] <path> ...]
[-cp [-f] [-p | -p[topax]] [-d] <src> ... <dst>]
[-createSnapshot <snapshotDir> [<snapshotName>]]
[-deleteSnapshot <snapshotDir> <snapshotName>]
[-df [-h] [<path> ...]]
[-du [-s] [-h] [-v] [-x] <path> ...]
[-expunge [-immediate]]
[-find <path> ... <expression> ...]
[-get [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-getfacl [-R] <path>]
[-getfattr [-R] {-n name | -d} [-e en] <path>]
[-getmerge [-nl] [-skip-empty-file] <src> <localdst>]
[-head <file>]
[-help [cmd ...]]
[-ls [-C] [-d] [-h] [-q] [-R] [-t] [-S] [-r] [-u] [-e] [<path> ...]]
[-mkdir [-p] <path> ...]
[-moveFromLocal <localsrc> ... <dst>]
[-moveToLocal <src> <localdst>]
[-mv <src> ... <dst>]
[-put [-f] [-p] [-l] [-d] <localsrc> ... <dst>]
[-renameSnapshot <snapshotDir> <oldName> <newName>]
[-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ...]
[-rmdir [--ignore-fail-on-non-empty] <dir> ...]
[-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
[-setfattr {-n name [-v value] | -x name} <path>]
[-setrep [-R] [-w] <rep> <path> ...]
[-stat [format] <path> ...]
[-tail [-f] [-s <sleep interval>] <file>]
[-test -[defsz] <path>]
[-text [-ignoreCrc] <src> ...]
[-touch [-a] [-m] [-t TIMESTAMP ] [-c] <path> ...]
[-touchz <path> ...]
[-truncate [-w] <length> <path> ...]
[-usage [cmd ...]]
Generic options supported are:
-conf <configuration file> specify an application configuration file
-D <property=value> define a value for a given property
-fs <file:///|hdfs://namenode:port> specify default filesystem URL to use, overrides 'fs.defaultFS' property from configurations.
-jt <local|resourcemanager:port> specify a ResourceManager
-files <file1,...> specify a comma-separated list of files to be copied to the map reduce cluster
-libjars <jar1,...> specify a comma-separated list of jar files to be included in the classpath
-archives <archive1,...> specify a comma-separated list of archives to be unarchived on the compute machines
The general command line syntax is:
command [genericOptions] [commandOptions]
常用命令练习:
1)启动 Hadoop 集群(方便后续的测试)
[root@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
[root@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
2)-help:输出这个命令参数
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm
3)创建/sanguo 文件夹
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /sanguo
Hadoop-HDFS-shell:
Hdfs-shell命令
1 基本语法
hadoop fs 具体命令 OR hdfs dfs 具体命令
[root@hadoop102 hbase-1.3.1]# hadoop fs
Usage: hadoop fs [generic options]
[-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] [-l] [-d] [-t <thread count>] <localsrc> ... <dst>]
[-copyToLocal [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-count [-q] [-h] [-v] [-t [<storage type>]] [-u] [-x] [-e] <path> ...]
[-cp [-f] [-p | -p[topax]] [-d] <src> ... <dst>]
[-createSnapshot <snapshotDir> [<snapshotName>]]
[-deleteSnapshot <snapshotDir> <snapshotName>]
[-df [-h] [<path> ...]]
[-du [-s] [-h] [-v] [-x] <path> ...]
[-expunge [-immediate]]
[-find <path> ... <expression> ...]
[-get [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-getfacl [-R] <path>]
[-getfattr [-R] {-n name | -d} [-e en] <path>]
[-getmerge [-nl] [-skip-empty-file] <src> <localdst>]
[-head <file>]
[-help [cmd ...]]
[-ls [-C] [-d] [-h] [-q] [-R] [-t] [-S] [-r] [-u] [-e] [<path> ...]]
[-mkdir [-p] <path> ...]
[-moveFromLocal <localsrc> ... <dst>]
[-moveToLocal <src> <localdst>]
[-mv <src> ... <dst>]
[-put [-f] [-p] [-l] [-d] <localsrc> ... <dst>]
[-renameSnapshot <snapshotDir> <oldName> <newName>]
[-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ...]
[-rmdir [--ignore-fail-on-non-empty] <dir> ...]
[-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
[-setfattr {-n name [-v value] | -x name} <path>]
[-setrep [-R] [-w] <rep> <path> ...]
[-stat [format] <path> ...]
[-tail [-f] [-s <sleep interval>] <file>]
[-test -[defsz] <path>]
[-text [-ignoreCrc] <src> ...]
[-touch [-a] [-m] [-t TIMESTAMP ] [-c] <path> ...]
[-touchz <path> ...]
[-truncate [-w] <length> <path> ...]
[-usage [cmd ...]]
Generic options supported are:
-conf <configuration file> specify an application configuration file
-D <property=value> define a value for a given property
-fs <file:///|hdfs://namenode:port> specify default filesystem URL to use, overrides 'fs.defaultFS' property from configurations.
-jt <local|resourcemanager:port> specify a ResourceManager
-files <file1,...> specify a comma-separated list of files to be copied to the map reduce cluster
-libjars <jar1,...> specify a comma-separated list of jar files to be included in the classpath
-archives <archive1,...> specify a comma-separated list of archives to be unarchived on the compute machines
The general command line syntax is:
command [genericOptions] [commandOptions]
hdfs实操
1、启动集群
[root@hadoop102 hbase-1.3.1]# myhadoop.sh start
2、命令查看
[root@hadoop102 hbase-1.3.1]# hadoop fs -help rm
[root@hadoop102 hbase-1.3.1]# hadoop fs -help rm
-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ... :
Delete all files that match the specified file pattern. Equivalent to the Unix
command "rm <src>"
-f If the file does not exist, do not display a diagnostic message or
modify the exit status to reflect an error.
-[rR] Recursively deletes directories.
-skipTrash option bypasses trash, if enabled, and immediately deletes <src>.
-safely option requires safety confirmation, if enabled, requires
confirmation before deleting large directory with more than
<hadoop.shell.delete.limit.num.files> files. Delay is expected when
walking over large directory recursively to count the number of
files to be deleted before the confirmation.
3、创建一个学习相关的文件夹
[root@hadoop102 hbase-1.3.1]# hadoop fs -mkdir /hadoopstudy
hdfs命令分三大类:上传,下载,HDFS直接操作
上传
-moveFromLocal:从本地剪切粘贴到 HDFS
1)、创建本地文件(内容随意)
[root@hadoop102 hadoop-3.1.4]# vim shuguo.txt
2)、上传命令, -moveFromLocal剪切,./shuguo.txt本地文件路径,/hadoopstudy上传的路径
[root@hadoop102 hadoop-3.1.4]# hadoop fs -moveFromLocal ./shuguo.txt /hadoopstudy
3)、上传命令, -copyFromLocal:从本地文件系统中拷贝文件到 HDFS 路径去,./local-shell-copy.txt本地文件路径,/hadoopstudy上传的路径
[root@hadoop102 hadoop-3.1.4]# hadoop fs -copyFromLocal ./local-shell-copy.txt /hadoopstudy
4)、上传命令, -put:等同于 copyFromLocal,生产环境更习惯用 put,./put-shell-hdfs.txt本地文件路径,/hadoopstudy上传的路径
[root@hadoop102 hadoop-3.1.4]# hadoop fs -put ./put-shell-hdfs.txt /hadoopstudy
5)、上传命令, -appendToFile:追加一个文件到已经存在的文件末尾 ,./shell-append-hdfs.txt 本地文件路径,/hadoopstudy/shuguo.txt被追加的文件
[root@hadoop102 hadoop-3.1.4]# hadoop fs -appendToFile ./shell-append-hdfs.txt /hadoopstudy/shuguo.txt
下载
1)-copyToLocal:从 HDFS 拷贝到本地
[root@hadoop102 hadoop-3.1.4]# hadoop fs -copyToLocal /hadoopstudy/shuguo.txt ./
2)-get:等同于 copyToLocal,生产环境更习惯用 get,get可以直接修改文件名称
[root@hadoop102 hadoop-3.1.4]# hadoop fs -get /hadoopstudy/shuguo.txt ./shuguo修改名字后的.txt
直接操作
1)-ls: 显示目录信息
[root@hadoop102 hadoop-3.1.4]$ hadoop fs -ls /sanguo
2)-cat:显示文件内容
[root@hadoop102 hadoop-3.1.4]$ hadoop fs -cat /sanguo/shuguo.txt
3)-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-3.1.4]$ hadoop fs -chmod 666
/sanguo/shuguo.txt
4)-mkdir:创建路径
[root@hadoop102 hadoop-3.1.4]$ hadoop fs -mkdir /jinguo
5)-cp:从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
[root@hadoop102 hadoop-3.1.4]# hadoop fs -cp /hadoopstudy/shuguo.txt /jingguo
6)-mv:在 HDFS 目录中移动文件
[root@hadoop102 hadoop-3.1.4]# hadoop fs -mv /hadoopstudy/local-shell-copy.txt /jinguo
[root@hadoop102 hadoop-3.1.4]# hadoop fs -mv /hadoopstudy/put-shell-hdfs.txt /jinguo
7)-tail:显示一个文件的末尾 1kb 的数据
[root@hadoop102 hadoop-3.1.4]# hadoop fs -tail /jinguo/local-shell-copy.txt
local-01-shell-hadoop-copy-上传
8)-rm:删除文件或文件夹
[root@hadoop102 hadoop-3.1.4]# hadoop fs -rm /hadoopstudy/shuguo.txt
Deleted /hadoopstudy/shuguo.txt
9)-rm -r:递归删除目录及目录里面内容
[root@hadoop102 hadoop-3.1.4]$ hadoop fs -rm -r /sanguo
10)-du 统计文件夹的大小信息
[root@hadoop102 hadoop-3.1.4]# hadoop fs -du -s -h /jinguo
48 144 /jinguo
[root@hadoop102 hadoop-3.1.4]# hadoop fs -du -h /jinguo
34 102 /jinguo/local-shell-copy.txt
14 42 /jinguo/put-shell-hdfs.txt
说明:48 表示文件大小;144 表示 副本;后面表示查看的目录
11)-setrep:设置 HDFS 中文件的副本数量 (页面也可以修改)
[root@hadoop102 hadoop-3.1.4]# hadoop fs -setrep 10 /jinguo/local-shell-copy.txt
Replication 10 set: /jinguo/local-shell-copy.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。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-k3ovtB2Y-1668929668543)(png/1619277982849.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KTXgw7N0-1668929668544)(png/1619278031235.png)]
注,学习路径:https://space.bilibili.com/302417610/,如有侵权,请联系q进行删除:3623472230