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。
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。
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:10ms*100*100M/s = 100M
//查看分割块儿的位置,证明是物理切块儿
cd /opt/mod/hadoop-2.8.4/data/dfs/data/current/
BP-1042955717-192.168.132.111-1572111763824/current/finalized/subdir0/subdir0
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
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
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。
== 上传文件
hdfs dfs -put test /
== 显示目录信息
hdfs dfs -ls / 等同于 hadoop fs -ls
hdfs dfs -lsr / 递归查看
== 创建文件
hdfs dfs -mkdir -p /plus
== 移动
hdfs dfs -moveFromLocal test /demo
== 追加
hdfs dfs -appendToFile demo /test
== 显示文件内容
hdfs dfs -cat /test
== 监控
hdfs dfs -tail -f /test
== 修改权限
hdfs dfs -chmod -R 777 /plus
== 复制/plus/test到plus1
hdfs dfs -cp /plus/test /plus1
== 删除
hdfs dfs -rm /plus1/test
== 移动test到plus1
hdfs dfs -mv /test /plus1
== 下载
hdfs dfs -get /plus /opt/mod
== 合并
hdfs dfs -getmerge /plus/test /plus1/test /opt/mod/merge
== 统计一个指定目录下的文件节点数量
hdfs dfs -count /
== 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
== oiv 查看 fsimage 文件
/hadoop-2.8.4/data/dfs/name/current
hdfs oiv -p XML -i fsimage_0000000000000000215 -o /opt/mod/fsimage.xml
== oev 查看 edits 文件
hdfs oev -p XML -i edits_0000000000000000001-0000000000000000002 -o /opt/mod/edits.xml
== 启动datanode
hadoop-daemon.sh start datanode
== scp实现跨节点的文件复制
scp -r edits.xml root@bigdata112:/opt/mod ------------>推push
scp -r root@bigdata111:/opt/mod/fsimage.xml ./ ------------>拉pull
== 归档
hadoop archive -archiveName foo.har -p /plus3 -r 3 a b c /
== 查看归档
hadoop fs -lsr /foo.har
== 查看归档的文件
hadoop fs -lsr har:///foo.har
== 解归档文件
hadoop fs -cp har:///foo.har/* /plus4
hadoop distcp har:/foo.har /plus5
== 恢复快照
hadoop fs -ls /plus3/.snapshot/001
hadoop fs -cp /plus3/.snapshot/001/role_list /plus3
maven配置,apache-maven-3.5.4
{$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>
Maven准备:pom.xml
<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>
<!--lombok-->
<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 -->
<!-- 单元测试 -->
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
<scope>test</scope>
</dependency>
</dependencies>
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)
本地hadoop的位置: C:\Program Files\Java\hadoop-2.8.4\bin
并且替换这两个文件hadoop.dll、winutils.exe
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。