HDFS基础知识

• HDFS

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。

使用场景：适合一次写入，多次读写的场景，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。

1. 优点

1高容错性

1. 数据保存多个副本。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适合处理大数据

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可构建在廉价机器上。

1. 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不支持并发写入、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)，不支持文件的随时修改。

1. HDFS组成架构

1 NameNode：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 Secondary NameNode:并非NameNode的热备份。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。

       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，老版本是64M。

问题：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。

 

• HDFS的Shell操作

HDFS的相关命令

-mkdir         在HDFS创建目录 hdfs dfs -mkdir /data

-ls            查看当前目录   hdfs dfs -ls /

-ls -R         查看目录与子目录

-put           上传一个文件 hdfs dfs -put data.txt /data/input

-moveFromLocal 上传一个文件，会删除本地文件：ctrl+X

-copyFromLocal 上传一个文件，与put一样

-get           下载文件 hdfs dfs -get /data/input/data.txt /usr/local/hadoop/hadoop-2.6.4/

-rm            删除文件 hdfs dfs -rm /data/input/data.txt

-getmerge      将目录所有文件先合并，再下载

-cp            拷贝：hdfs dfs -cp /data/input/data.txt /data/input/data01.txt

-mv            移动：hdfs dfs -mv /data/input/data.txt /data/input/data02.txt

-count         统计目录下的文件个数

-text,-cat     查看文件的内容 hdfs dfs -cat /data/input/data.txt

-balancer      平衡操作。