尚硅谷大数据hadoop教程_HDFS

已于 2023-05-30 20:33:37 修改
阅读量957 收藏 2
点赞数
文章标签： 学习
于 2023-05-28 00:45:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44229645/article/details/130907490
版权
本文详细介绍了HDFS（HadoopDistributedFileSystem）的相关概念，包括其产生背景、优缺点、组成以及文件块大小。通过API展示了创建文件夹、上传文件、设置参数优先级、下载文件、删除目录、文件重命名、查看文件详情、文件和目录判断等操作。同时，文章深入探讨了HDFS的写数据和读数据流程，以及NameNode和DataNode的工作机制，强调了数据完整性和节点管理策略。
摘要由CSDN通过智能技术生成

P40 hdfs产生背景和定义

在这里插入图片描述

p41 优缺点

在这里插入图片描述
在这里插入图片描述

p42 组成

在这里插入图片描述
在这里插入图片描述

p43 文件块大小

在这里插入图片描述
在这里插入图片描述

p 44 45 shell命令

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

p46 api环境准备

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

p47 api创建文件夹

新建maven项目
pom.xml

    <dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>3.1.3</version>
        </dependency>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-log4j12</artifactId>
            <version>1.7.30</version>
        </dependency>
    </dependencies>

log4j.properties

log4j.rootLogger=INFO, stdout  
log4j.appender.stdout=org.apache.log4j.ConsoleAppender  
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout  
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n  
log4j.appender.logfile=org.apache.log4j.FileAppender  
log4j.appender.logfile.File=target/spring.log  
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout  
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

public class HdfsClient {
    FileSystem fileSystem;
    @Before
    public void before() throws URISyntaxException, IOException, InterruptedException{
        Configuration config = new Configuration();
        URI uri = new URI("hdfs://xiaoxiong02:8020");
        fileSystem = FileSystem.get(uri, config, "atguigu");
    }

   @Test
    public void testMkdirs() throws IOException {

       fileSystem.mkdirs(new Path("/xiyou/huaguoshan1"));

   }

    @After
    public void after() throws  IOException{
        fileSystem.close();
    }
}

p48 api上传

 @Test
    public void upload() throws IOException {
       fileSystem.copyFromLocalFile(false,false,new Path("D:\\sunwukong.txt"),new Path("/xiyou/huaguoshan"));
   }

p49 api参数优先级设置

参数优先级排序：（1）客户端代码中设置的值 >（2）ClassPath下的用户自定义配置文件 >（3）然后是服务器的自定义配置（xxx-site.xml） >（4）服务器的默认配置（xxx-default.xml）

Configuration config = new Configuration();
        config.set("dfs.replication", "2");

配置文件中配置
在这里插入图片描述

p50 api 文件下载

   @Test
    public void download() throws IOException {
       fileSystem.copyToLocalFile(false,new Path("/xiyou/huaguoshan/"),new Path("D:\\"),true);
   }

p51 删除目录

   @Test
    public void delete() throws IOException {
       fileSystem.delete(new Path("/xiyou/huaguoshan/"),true);
   }

p52 文件更名和移动

   @Test
    public void rename() throws IOException {
//       fileSystem.rename(new Path("/0528/test1.txt"),new Path("/0528/test2.txt"));
       fileSystem.rename(new Path("/0528/test2.txt"),new Path("/0529/"));
   }

p53 文件详情查看

  @Test
    public void detail() throws IOException {
       RemoteIterator<LocatedFileStatus> iterator = fileSystem.listFiles(new Path("/"), true);
       while (iterator.hasNext()){
           LocatedFileStatus fileStatus = iterator.next();
           System.out.println("========" + fileStatus.getPath() + "=========");
           System.out.println(fileStatus.getPermission());
           System.out.println(fileStatus.getOwner());
           System.out.println(fileStatus.getGroup());
           System.out.println(fileStatus.getLen());
           System.out.println(fileStatus.getModificationTime());
           System.out.println(fileStatus.getReplication());
           System.out.println(fileStatus.getBlockSize());
           System.out.println(fileStatus.getPath().getName());

           // 获取块信息
           BlockLocation[] blockLocations = fileStatus.getBlockLocations();
           System.out.println(Arrays.toString(blockLocations));

       }
   }

在这里插入图片描述

p54 文件和目录判断

    @Test
    public void listStatus() throws IOException {
        FileStatus[] fileStatuses = fileSystem.listStatus(new Path("/"));
        for (FileStatus fileStatus : fileStatuses) {
            if (fileStatus.isDirectory()){
                System.out.println("目录:"+fileStatus.getPath().getName());
            }else {
                System.out.println("文件:"+fileStatus.getPath().getName());
            }
        }
    }

p55 写数据流程

在这里插入图片描述
（1）客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。
（2）NameNode返回是否可以上传。
（3）客户端请求第一个 Block上传到哪几个DataNode服务器上。
（4）NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。
（5）客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成。
（6）dn1、dn2、dn3逐级应答客户端。
（7）客户端开始往dn1上传第一个Block（先从磁盘读取数据放到一个本地内存缓存），以Packet为单位，dn1收到一个Packet就会传给dn2，dn2传给dn3；dn1每传一个packet会放入一个应答队列等待应答。
（8）当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器。（重复执行3-7步）。

p56 节点距离计算

在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？
在这里插入图片描述
在这里插入图片描述

p57机架感知

在这里插入图片描述

p58 读数据流程

在这里插入图片描述
（1）客户端通过DistributedFileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
（2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
（3）DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet为单位来做校验）。
（4）客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。

p59 NN和2NN工作机制

思考：NameNode中的元数据是存储在哪里的？
首先，我们做个假设，如果存储在NameNode节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的FsImage。
这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新FsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦NameNode节点断电，就会产生数据丢失。因此，引入Edits文件（只进行追加操作，效率很高）。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到Edits中。这样，一旦NameNode节点断电，可以通过FsImage和Edits的合并，合成元数据。
但是，如果长时间添加数据到Edits中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。因此，需要定期进行FsImage和Edits的合并，如果这个操作由NameNode节点完成，又会效率过低。因此，引入一个新的节点SecondaryNamenode，专门用于FsImage和Edits的合并。
在这里插入图片描述
第一阶段：NameNode启动
（1）第一次启动NameNode格式化后，创建Fsimage和Edits文件。如果不是第一次启动，直接加载编辑日志和镜像文件到内存。
（2）客户端对元数据进行增删改的请求。
（3）NameNode记录操作日志，更新滚动日志。
（4）NameNode在内存中对元数据进行增删改。
2）第二阶段：Secondary NameNode工作
（1）Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果。
（2）Secondary NameNode请求执行CheckPoint。
（3）NameNode滚动正在写的Edits日志。
（4）将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。
（5）Secondary NameNode加载编辑日志和镜像文件到内存，并合并。
（6）生成新的镜像文件fsimage.chkpoint。
（7）拷贝fsimage.chkpoint到NameNode。
（8）NameNode将fsimage.chkpoint重新命名成fsimage。

p60 fsimage镜像文件

在这里插入图片描述
oiv查看Fsimage文件
在这里插入图片描述

<inode>
	<id>16386</id>
	<type>DIRECTORY</type>
	<name>user</name>
	<mtime>1512722284477</mtime>
	<permission>atguigu:supergroup:rwxr-xr-x</permission>
	<nsquota>-1</nsquota>
	<dsquota>-1</dsquota>
</inode>
<inode>
	<id>16387</id>
	<type>DIRECTORY</type>
	<name>atguigu</name>
	<mtime>1512790549080</mtime>
	<permission>atguigu:supergroup:rwxr-xr-x</permission>
	<nsquota>-1</nsquota>
	<dsquota>-1</dsquota>
</inode>
<inode>
	<id>16389</id>
	<type>FILE</type>
	<name>wc.input</name>
	<replication>3</replication>
	<mtime>1512722322219</mtime>
	<atime>1512722321610</atime>
	<perferredBlockSize>134217728</perferredBlockSize>
	<permission>atguigu:supergroup:rw-r--r--</permission>
	<blocks>
		<block>
			<id>1073741825</id>
			<genstamp>1001</genstamp>
			<numBytes>59</numBytes>
		</block>
	</blocks>
</inode >

思考：可以看出，Fsimage中没有记录块所对应DataNode，为什么？
在集群启动后，要求DataNode上报数据块信息，并间隔一段时间后再次上报。

p61 edits编辑日志

基本语法 hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径

在这里插入图片描述

<?xml version="1.0" encoding="UTF-8"?>
<EDITS>
	<EDITS_VERSION>-63</EDITS_VERSION>
	<RECORD>
		<OPCODE>OP_START_LOG_SEGMENT</OPCODE>
		<DATA>
			<TXID>129</TXID>
		</DATA>
	</RECORD>
	<RECORD>
		<OPCODE>OP_ADD</OPCODE>
		<DATA>
			<TXID>130</TXID>
			<LENGTH>0</LENGTH>
			<INODEID>16407</INODEID>
			<PATH>/hello7.txt</PATH>
			<REPLICATION>2</REPLICATION>
			<MTIME>1512943607866</MTIME>
			<ATIME>1512943607866</ATIME>
			<BLOCKSIZE>134217728</BLOCKSIZE>
			<CLIENT_NAME>DFSClient_NONMAPREDUCE_-1544295051_1</CLIENT_NAME>
			<CLIENT_MACHINE>192.168.10.102</CLIENT_MACHINE>
			<OVERWRITE>true</OVERWRITE>
			<PERMISSION_STATUS>
				<USERNAME>atguigu</USERNAME>
				<GROUPNAME>supergroup</GROUPNAME>
				<MODE>420</MODE>
			</PERMISSION_STATUS>
			<RPC_CLIENTID>908eafd4-9aec-4288-96f1-e8011d181561</RPC_CLIENTID>
			<RPC_CALLID>0</RPC_CALLID>
		</DATA>
	</RECORD>
	<RECORD>
		<OPCODE>OP_ALLOCATE_BLOCK_ID</OPCODE>
		<DATA>
			<TXID>131</TXID>
			<BLOCK_ID>1073741839</BLOCK_ID>
		</DATA>
	</RECORD>
	<RECORD>
		<OPCODE>OP_SET_GENSTAMP_V2</OPCODE>
		<DATA>
			<TXID>132</TXID>
			<GENSTAMPV2>1016</GENSTAMPV2>
		</DATA>
	</RECORD>
	<RECORD>
		<OPCODE>OP_ADD_BLOCK</OPCODE>
		<DATA>
			<TXID>133</TXID>
			<PATH>/hello7.txt</PATH>
			<BLOCK>
				<BLOCK_ID>1073741839</BLOCK_ID>
				<NUM_BYTES>0</NUM_BYTES>
				<GENSTAMP>1016</GENSTAMP>
			</BLOCK>
			<RPC_CLIENTID></RPC_CLIENTID>
			<RPC_CALLID>-2</RPC_CALLID>
		</DATA>
	</RECORD>
	<RECORD>
		<OPCODE>OP_CLOSE</OPCODE>
		<DATA>
			<TXID>134</TXID>
			<LENGTH>0</LENGTH>
			<INODEID>0</INODEID>
			<PATH>/hello7.txt</PATH>
			<REPLICATION>2</REPLICATION>
			<MTIME>1512943608761</MTIME>
			<ATIME>1512943607866</ATIME>
			<BLOCKSIZE>134217728</BLOCKSIZE>
			<CLIENT_NAME></CLIENT_NAME>
			<CLIENT_MACHINE></CLIENT_MACHINE>
			<OVERWRITE>false</OVERWRITE>
			<BLOCK>
				<BLOCK_ID>1073741839</BLOCK_ID>
				<NUM_BYTES>25</NUM_BYTES>
				<GENSTAMP>1016</GENSTAMP>
			</BLOCK>
			<PERMISSION_STATUS>
				<USERNAME>atguigu</USERNAME>
				<GROUPNAME>supergroup</GROUPNAME>
				<MODE>420</MODE>
			</PERMISSION_STATUS>
		</DATA>
	</RECORD>
</EDITS >

p62 检查点时间checkpoint设置

在这里插入图片描述
在这里插入图片描述

p63 datanode工作机制

在这里插入图片描述
（1）一个数据块在DataNode上以文件形式存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳。
（2）DataNode启动后向NameNode注册，通过后，周期性（6小时）的向NameNode上报所有的块信息。
DN向NN汇报当前解读信息的时间间隔，默认6小时；
（3）心跳是每3秒一次，心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器，或删除某个数据块。如果超过10分钟没有收到某个DataNode的心跳，则认为该节点不可用。
（4）集群运行中可以安全加入和退出一些机器。

p64数据完整性

在这里插入图片描述

p65掉线时限参数设置

在这里插入图片描述

莫等闲 白了少年头
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
尚硅谷大数据技术Hadoop教程-笔记03【Hadoop-HDFS】
upward
03-23 2999
尚硅谷大数据技术Hadoop教程-笔记03【Hadoop-HDFS】
《尚硅谷大数据Hadoop》教程
weixin_42065178的博客
11-12 1717
Hadoop
hadoop学习之hdfs学习
qq_42265608的博客
07-17 499
其实还是快,如果要修改的话,有可能影响多个块,因为写多了,后面的块可能都会被改掉.有可能直接影响结构了.NameNode的内存是固定的,也就是说,目录和块信息总有完的时候,如果全是小程序,就亏的很.总结: 不值得 占内存太大 找数据太麻烦 效率太低 消耗太高,性价比不足。因为他会备份,所以一份出问题了,并不影响其他几份。如果副本丢失后,定时恢复.应该是定时检查然后恢复。适用场景:一次写入,多次读出.好像不太支持改删。小文件存储的寻址超过读取,违反HDFS设计目标。3.不支持并发写入,文件随机修改。
【大数据】Hadoop 体系（一）
柠檬小帽的博客 - 计算机全栈体系
02-23 1968
大数据导论 Apache Hadoop、HDFS
Hadoop实战教程
m0_75198698的博客
05-10 1188
HDFS是Hadoop分布式文件系统的缩写，是Hadoop用来存储数据的主要组件。其中，`/path/to/wordcount.jar`为打包好的jar包的路径，`WordCount`为MapReduce作业的类名，`/path/to。在每个节点上，修改Hadoop的配置文件core-site.xml，设置Hadoop的默认文件系统为HDFS，并指定NameNode的地址。在Hadoop的官网（https://hadoop.apache.org/）上下载最新版本的Hadoop，并解压到合适的目录。
尚硅谷大数据hadoop教程入门
weixin_44229645的博客
06-16 1220
1
log4j.properties 尚硅谷hadoop3.x maven下 log4j的配置文件内容
qq_43668173的博客
03-13 490
log4j.rootLogger=INFO, stdout log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n log4j.appender.logfile=org.apache.log4j.Fi
尚硅谷大数据hadoop教程_mapReduce
weixin_44229645的博客
05-30 1144
mapReduce三类进程。
尚硅谷大数据技术之企业SQL面试题_大数据_sql_尚硅谷sql_doc_
10-04
"尚硅谷大数据技术之企业SQL面试题"这个资料集显然针对的是准备面试的求职者，特别是那些希望在大数据环境中运用SQL技能的角色。这份文档可能是由尚硅谷——一个知名的IT教育机构提供的，旨在帮助学习者掌握SQL在...
尚硅谷大数据Hadoop
06-13
根据提供的文件信息，我们可以深入探讨与“尚硅谷大数据Hadoop”相关的知识点。虽然描述部分较为简短且没有提供具体的学习内容或目标，但从标题及标签中可以推断出本资料主要涉及Hadoop在大数据处理中的应用。下面将...
12_尚硅谷大数据之HDFS_DataNode1
08-03
HDFS，全称为Hadoop Distributed File System，是Apache Hadoop项目的核心组件，用于分布式存储大数据。本文将深入探讨HDFS中的DataNode及其相关知识点，包括DataNode的工作机制、数据完整性、掉线时限参数设置以及...
11_尚硅谷大数据之HDFS_NameNode和SecondaryNameNode1
08-03
在Hadoop大数据存储系统中，HDFS（Hadoop Distributed File System）是核心组件之一，用于分布式存储大量数据。NameNode是HDFS的核心节点，负责管理文件系统的元数据，包括文件和目录的命名空间以及文件的块映射信息...
算法的学习笔记—删除链表中重复的结点（牛客JZ76）
业精于勤，荒于嬉
08-14 776
本文介绍了一种删除排序链表中重复节点的高效算法。通过递归的方式，算法能够有效地删除所有重复节点，并保留链表中仅出现一次的节点。此方法的实现简单且易于理解，同时在时间和空间复杂度方面表现优异，适用于处理大规模数据链表中的重复节点问题。😁热门专栏推荐想学习vue的可以看看这个java基础合集数据库合集redis合集nginx合集linux合集手写机制微服务组件spring_尘觉springMVCmybits🤔欢迎大家加入我的社区尘觉社区。
OrangePi AIpro学习5 —— 模型推理程序开发
HuanBianCheng27的博客
08-13 967
本章讲解Resnet50模型如何运行在昇腾芯片上，如何对图片进行推理
车身域测试学习、CANoe工具实操学习、UDS诊断测试、功能安全测试、DTC故障注入测试、DBC数据库、CDD数据库、CAN一致性测试
车载测试
08-12 749
车身域测试学习、CANoe工具实操学习、UDS诊断测试、功能安全测试、DTC故障注入测试、DBC数据库、CDD数据库、CAN一致性测试
VTK-vtkStructuredGrid学习
最新发布
weixin_69505365的博客
08-14 240
可以理解为单元格顺序沿着坐标轴排列，但是每个单元格可以不一样。维度理解为X/Y/Z方向的点数，如草图所示分别是4，3，1。此时只提供了12个点，只能构造一层，5.点图、线图、面图如下，对应行的代码改一下出现不同效果图。7.增加Z方向维度，点也要增加，点序保持一致。6.点可以不在同一个平面，随机改变点Z数值。2.获取这些点信息，点顺序要严格按照图示。直接赋值第一层的12个点，改一下Z值。所以Z方向维度是1，不能是其他数据。1.使用CAD随意绘制个网格草图。4.将上面的网格显示出来。
【IC设计】昇腾910架构学习
VICI的博客
08-10 293
昇腾910是华为的AI训练卡，基于7nm EUV工艺，其中有16个基于ARMv8定制的CPU，32个Ascend-Max AI加速器，使用4*6的无缓存NoC Mesh进行互联，使用HBM（High Bandwidth Memory）进行存储，提供128通道的视频译码器。本文内容是参考华为公开资料形成的个人观点，无侵权行为，内容仅供学习！
尚硅谷大数据：Hadoop-HDFS详解
"尚硅谷大数据技术之Hadoop-HDFS，涵盖了HDFS的概述、优缺点、组成架构以及文件块大小等核心知识点，并提供了丰富的HDFS Shell操作命令示例。" 在Hadoop生态系统中，HDFS（Hadoop Distributed File System）是一个...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值