HDFS前言:
1) 设计思想
分而治之:将大文件、大批量文件,分布式存放在大量服务器上,以便于采取分而治之的方式对海量数据进行运算分析;
2)在大数据系统中作用:
为各类分布式运算框架(如:mapreduce,spark,tez,……)提供数据存储服务
3)重点概念:文件切块,副本存放,元数据
4)、NameNode节点:由core-site.xml配置指定(name=fs.defaultFS,value=hdfs://slaver1:8020)。
DataNode/NodeManager节点:由slavers文件指定。
SecondaryNameNode节点:由hdfs-site.xml文件指定(name=dfs.namenode.secondary.http-address,value=slaver1:50090)
ResourceManager节点:在yarn-site.xml文件中指定(name=yarn.resourcemanager.hostname,value=slaver1)。
historyServer节点:在mapred-site.xml配置文件里面修改。
1:分布式文件系统(Distributed File System):
(1):数据量越来越多,在一个操作系统管辖的范围存不下了,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,因此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 。
(2):是一种允许文件通过网络在多台主机上分享的文件系统,可让多机器上的多用户分享文件和存储空间。
(3):通透性。让实际上是通过网络来访问文件的动作,由程序与用户看来,就像是访问本地的磁盘一般。
(4):容错。即使系统中有某些节点脱机,整体来说系统仍然可以持续运作而不会有数据损失。
(5):分布式文件管理系统很多,hdfs只是其中一种。适用于一次写入多次查询的情况,不支持并发写情况,小文件不合适。
2:Hadoop最擅长的是(离线 )日志分析
(1):HDFS----》海量数据的存储,负责文件读写。
(2):MapReduce----》海量数据的分析。
(3):YARN----》资源管理调度,负责为mapreduce程序分配硬件资源。
3:HDFS的Shell
(1):调用文件系统(FS)Shell命令应使用 bin/hadoop fs 的形式。
(2):所有的FS shell命令使用URI路径作为参数。
URI格式是scheme://authority/path。HDFS的scheme是hdfs,对本地文件系统,scheme是file。其中scheme和authority参数都是可选的,如果未加指定,就会使用配置中指定的默认scheme。
例如:/parent/child可以表示成hdfs://namenode:namenodePort/parent/child,或者更简单的/parent/child(假设配置文件是namenode:namenodePort)
(3):大多数FS Shell命令的行为和对应的Unix Shell命令类似。
4:HDFS fs命令
(1)-help [cmd] //显示命令的帮助信息
(2)-ls(r) //显示当前目录下所有文件
(3)-du(s) //显示目录中所有文件大小
(4)-count[-q] //显示目录中文件数量
(5)-mv //移动多个文件到目标目录
(6)-cp //复制多个文件到目标目录
(7)-rm(r) //删除文件(夹)
(8)-put //本地文件复制到hdfs
(9)-copyFromLocal //同put
(10)-moveFromLocal //从本地文件移动到hdfs
(11)-get [-ignoreCrc] //复制文件到本地,可以忽略crc校验
(12)-getmerge //将源目录中的所有文件排序合并到一个文件中
(13)-cat //在终端显示文件内容
(14)-text //在终端显示文件内容
(15)-copyToLocal [-ignoreCrc] //复制到本地
(16)-moveToLocal
(17)-mkdir //创建文件夹
(18)-touchz //创建一个空文件
5:HDFS的Shell命令练习
(1)#hadoop fs -ls / 查看HDFS根目录
(2)#hadoop fs -mkdir /test 在根目录创建一个目录test
(3)#hadoop fs -mkdir /test1 在根目录创建一个目录test1
(4)#hadoop fs -put ./test.txt /test或#hadoop fs -copyFromLocal ./test.txt /test
(5)#hadoop fs -