HDFS概念

一 HDFS概念

1.1 概念

HDFS，它是一个文件系统，**全称：Hadoop Distributed File System，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。

1.2 组成

1)HDFS集群包括，NameNode和DataNode以及Secondary Namenode。

2)NameNode负责管理整个文件系统的元数据，以及每一个路径(文件)所对应的数据块信息。

3)DataNode 负责管理用户的文件数据块，每一个数据块都可以在多个datanode上存储多个副本。

4)Secondary NameNode用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。

1.3 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：10ms100100M/s = 100M

二 HFDS命令行操作

1)基本语法

bin/hadoop fs 具体命令

2)参数大全

​ 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

(1)-help：输出这个命令参数

​ bin/hdfs dfs -help rm

(2)-ls: 显示目录信息

hadoop fs -ls /

Hadoop fs -lsr /

(3)-mkdir：在hdfs上创建目录

hadoop fs -mkdir -p /hdfs路径

(4)-moveFromLocal从本地剪切粘贴到hdfs

hadoop fs -moveFromLocal 本地路径 /hdfs路径

(5)–appendToFile ：追加一个文件到已经存在的文件末尾

hadoop fs -appendToFile 本地路径 /hdfs路径

(6)-cat ：显示文件内容

​ hadoop fs -cat /hdfs路径

(7)-tail -f：监控文件

hadoop fs -tail -f /hdfs路径

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

hadoop fs -chmod 777 /hdfs路径

hadoop fs -chown someuser:somegrp /hdfs路径

(9)-cp ：从hdfs的一个路径拷贝到hdfs的另一个路径

hadoop fs -cp /hdfs路径1 / hdfs路径2

(10)-mv：在hdfs目录中移动/重命名 文件

hadoop fs -mv /hdfs路径 / hdfs路径

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

hadoop fs -get / hdfs路径 ./本地路径

(12)-getmerge ：合并下载多个文到linux本地，比如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,…(注：是合成到Linux本地)

hadoop fs -getmerge /aaa/log.* ./log.sum

合成到不同的目录：hadoop fs -getmerge /hdfs1路径 /hdfs2路径 /

(13)-put：等同于copyFromLocal

hadoop fs -put /本地路径 /hdfs路径

(14)-rm：删除文件或文件夹

hadoop fs -rm -r /hdfs路径

(15)-df ：统计文件系统的可用空间信息

hadoop fs -df -h / hdfs路径

(16)-du统计文件夹的大小信息

[itstar@bigdata111 hadoop-2.8.4]$ hadoop fs -du -s -h / hdfs路径

188.5 M /user/itstar/wcinput

[itstar@bigdata111 hadoop-2.8.4]$ hadoop fs -du -h / hdfs路径

188.5 M / hdfs路径

97 / hdfs路径

(17)-count：统计一个指定目录下的文件节点数量

hadoop fs -count /aaa/

[itstar@bigdata111 hadoop-2.8.4]$ hadoop fs -count / hdfs路径

​ 1 2 197657784 / hdfs路径

嵌套文件层级； 包含文件的总数

(18)-setrep：设置hdfs中文件的副本数量：3是副本数，可改

hadoop fs -setrep 3 / hdfs路径

![img]

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。

3.1 IDEA环境准备

{$MAVEN_HOME/conf/settings}

<!--本地仓库所在位置-->
<localRepository>F:\m2\repository</localRepository>

<!--使用阿里云镜像去下载Jar包，速度更快-->
  <mirrors>
    <mirror>
      <id>alimaven</id>
      <name>aliyun maven</name>
      <url>http://maven.aliyun.com/nexus/content/groups/public/</url>
      <mirrorOf>central</mirrorOf>        
    </mirror>
  </mirrors>

3.1.0 Maven配置

3.1.1 Maven准备

<dependencies>
<dependency>
           <groupId>org.apache.hadoop</groupId>
           <artifactId>hadoop-common</artifactId>
           <version>2.8.4</version>
       </dependency>
       <dependency>
           <groupId>org.apache.hadoop</groupId>
           <artifactId>hadoop-hdfs</artifactId>
           <version>2.8.4</version>
       </dependency>
       <dependency>
           <groupId>org.apache.hadoop</groupId>
           <artifactId>hadoop-client</artifactId>
           <version>2.8.4</version>
       </dependency>

       <dependency>
           <groupId>org.projectlombok</groupId>
           <artifactId>lombok</artifactId>
           <version>1.16.10</version>
       </dependency>

       <dependency>
           <groupId>log4j</groupId>
           <artifactId>log4j</artifactId>
           <version>1.2.17</version>
       </dependency>
       <dependency>
           <groupId>org.slf4j</groupId>
           <artifactId>slf4j-api</artifactId>
           <version>1.7.7</version>
       </dependency>

       <!-- https://mvnrepository.com/artifact/junit/junit -->
       <dependency>
           <groupId>junit</groupId>
           <artifactId>junit</artifactId>
           <version>4.12</version>
           <scope>test</scope>
       </dependency>
  </dependencies>

3.1.2 IDEA准备

1)配置HADOOP_HOME环境变量

2)采用hadoop编译后的bin 、lib两个文件夹(如果不生效，重新启动IDEA)

3)创建第一个java工程

public class HdfsClientDemo1 {
	public static void main(String[] args) throws Exception {
		// 1 获取文件系统
		Configuration configuration = new Configuration();
		// 配置在集群上运行
		configuration.set("fs.defaultFS", "hdfs://bigdata111:9000");
		FileSystem fileSystem = FileSystem.get(configuration);
		
		// 直接配置访问集群的路径和访问集群的用户名称
//		FileSystem fileSystem = FileSystem.get(new URI("hdfs://bigdata111:9000"),configuration, "itstar");
		
		// 2 把本地文件上传到文件系统中
		fileSystem.copyFromLocalFile(new Path("f:/hello.txt"), new Path("/hello1.copy.txt"));
		
		// 3 关闭资源
		fileSystem.close();
		System.out.println("over");
	}
}

4)执行程序

注：eclipse运行时可能需要配置用户名称

客户端去操作hdfs时，是有一个用户身份的。默认情况下，hdfs客户端api会从jvm中获取一个参数来作为自己的用户身份：-DHADOOP_USER_NAME=itstar，itstar为用户名称。