集群间数据拷贝
- scp实现两个远程主机之间的文件复制
scp -r hello.txt [root@hadoop103:/user/liujh/hello.txt](mailto:root@hadoop103:/user/liujh/hello.txt) // 推 push
scp -r [root@hadoop103:/user/liujh/hello.txt hello.txt](mailto:root@hadoop103:/user/liujh/hello.txt%20%20hello.txt) // 拉 pull
scp -r [root@hadoop103:/user/liujh/hello.txt](mailto:root@hadoop103:/user/liujh/hello.txt) root@hadoop104:/user/liujh //是通过本地主机中转实现两个远程主机的文件复制;如果在两个远程主机之间ssh没有配置的情况下可以使用该方式
- 采用distcp命令实现两个Hadoop集群之间的递归数据复制
[liujh@hadoop102 hadoop-2.7.2]$ bin/hadoop distcp
hdfs://haoop102:9000/user/liujh/hello.txt hdfs://hadoop103:9000/user/liujh/hello.txt
小文件存档
- HDFS存储小文件弊端
每个文件均按块存储,每个块的元数据存储在NameNode的内存中,因此HDFS存储小文件会非常低效。因为大量的小文件会耗尽NameNode中的大部分内存。但注意,存储小文件所需要的磁盘容量和数据块的大小无关。例如,一个1MB的文件设置为128MB的块存储,实际使用的是1MB的磁盘空间,而不是128MB。 - 解决存储小文件办法之一
HDFS存档文件或HAR文件,是一个更高效的文件存档工具,它将文件存入HDFS块,在减少NameNode内存使用的同时,允许对文件进行透明的访问。具体说来,HDFS存档文件对内还是一个一个独立文件,对NameNode而言却是一个整体,减少了NameNode的内存。
- 案例实操
1)需要启动YARN进程
[liujh@hadoop102 hadoop-2.7.2]$ start-yarn.sh
2)归档文件
把/user/liujh/input目录里面的所有文件归档成一个叫input.har的归档文件,并把归档后文件存储到/user/liujh/output路径下
[liujh@hadoop102 hadoop-2.7.2]$ bin/hadoop archive -archiveName input.har –p /user/liujh/input /user/liujh/output
3)查看归档
[liujh@hadoop102 hadoop-2.7.2]$ hadoop fs -lsr /user/liujh/output/input.har
[liujh@hadoop102 hadoop-2.7.2]$ hadoop fs -lsr har:///user/liujh/output/input.har
4)解归档文件
[liujh@hadoop102 hadoop-2.7.2]$ hadoop fs -cp har:/// user/liujh/output/input.har/* /user/liujh
简书:https://www.jianshu.com/u/0278602aea1d
CSDN:https://blog.csdn.net/u012387141