HDFS优缺点
1.优点
- 高容错性
(1)数据自动保存多个副本,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 - 适合处理大规模数据
(1)数据规模:能够处理最高达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。 - 可构建在廉价机器上
2.缺点
- 不适合低延时数据访问,比如毫秒级的存储数据
- 无法高效的对大量小文件进行存储
HDFS组成架构
- NameNode(nn):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、 - 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 - Client 就是客户端
(1)文件切分。文件上传HDFS的时候,Client将文件切分成一个一个的Block,然后上传;
(2)与NameNode交互,获取文件位置信息;
(3)与DataNode交互,读取或写入数据;
(4)Client提供一些命令来管理HDFS,比如NameNode格式化;
(5)Client可以通过一些命令来访问HDFS,例如对HDFS增删改查; - Secondary NameNode : 并非NameNode的热备。当NameNode挂掉的时候,他并不能马上替换NameNode比提供服务。
(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。
HDFS文件块大小
- HDFS中的文件在物理上是分块存储,块的大小可以通过配置参数(dfs.blocksize)来规定,默认大小在hadoop3.x版本中是128M,hadoop2.x也是128M,hadoop1.x则是64M
- 寻址时间为传输时间的1%时,则为最佳状态
块为什么不能设计的太大也不能设计的太小?
- HDFS的块如果设计的很小,会增加寻址时间,程序一直在找块开始的位置;
- 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位置所需的时间。导致程序处理这块数据时,会很非常慢。
HDFS块的大小设置主要取决于磁盘传输速率。
HDFS的Shell操作
1)基本语法
- hadoop fs 具体命令 OR hdfs dfs 具体命令
两个是完全相同的。
2)常用命令实操
(0)启动Hadoop集群(方便后续的测试)
[atguigu@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
[atguigu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
(1)-help:输出这个命令参数
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm
(2)-ls: 显示目录信息
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /
(3)-mkdir:在HDFS上创建目录
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir -p /sanguo/shuguo
(4)-moveFromLocal:从本地剪切粘贴到HDFS
[atguigu@hadoop102 hadoop-3.1.3]$ touch kongming.txt
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal ./kongming.txt /sanguo/shuguo
(5)-appendToFile:追加一个文件到已经存在的文件末尾
[atguigu@hadoop102 hadoop-3.1.3]$ touch liubei.txt
[atguigu@hadoop102 hadoop-3.1.3]$ vi liubei.txt
输入
san gu mao lu
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile liubei.txt
/sanguo/shuguo/kongming.txt
(6)-cat:显示文件内容
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo/kongming.txt
(7)-chgrp 、-chmod、-chown:Linux文件系统中的用法一样,修改文件所属权限
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -chmod 666 /sanguo/shuguo/kongming.txt
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -chown atguigu:atguigu /sanguo/shuguo/kongming.txt
(8)-copyFromLocal:从本地文件系统中拷贝文件到HDFS路径去
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal README.txt /
(9)-copyToLocal:从HDFS拷贝到本地
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./
(10)-cp :从HDFS的一个路径拷贝到HDFS的另一个路径
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt
(11)-mv:在HDFS目录中移动文件
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/
(12)-get:等同于copyToLocal,就是从HDFS下载文件到本地
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -get /sanguo/shuguo/kongming.txt ./
(13)-getmerge:合并下载多个文件,比如HDFS的目录 /user/atguigu/test下有多个文件:log.1, log.2,log.3,…
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -getmerge /user/atguigu/test/* ./zaiyiqi.txt
(14)-put:等同于copyFromLocal
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -put ./zaiyiqi.txt /user/atguigu/test/
(15)-tail:显示一个文件的末尾
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /sanguo/shuguo/kongming.txt
(16)-rm:删除文件或文件夹
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /user/atguigu/test/jinlian2.txt
(17)-rmdir:删除空目录
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /test
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -rmdir /test
(18)-du统计文件夹的大小信息
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /user/atguigu/test
2.7 K /user/atguigu/test
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -du -h /user/atguigu/test
1.3 K /user/atguigu/test/README.txt
15 /user/atguigu/test/jinlian.txt
1.4 K /user/atguigu/test/zaiyiqi.txt
(19)-setrep:设置HDFS中文件的副本数量
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 5 /README.txt
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至少5台时,副本数才能达到5。
(20)解决web页面中操作没有权限问题,
hadoop默认情况下开启了权限检查,且默认使用dir.who作为http访问的静态用户,因此可通过关闭权限检查或者配置http访问的静态用户为atguigu,二选一即可.
在core-site.xml中修改http访问的静态用户为atguigu
<property>
<name>hadoop.http.staticuser.user</name>
<value>atguigu</value>
</property>
在hdfs-site.xml中关闭权限检查
<property>
<name>dfs.permissions.enabled</name>
<value>false</value>
</property>
HDFS客户端操作
首先配好hadoop在win环境下的环境变量
4)创建一个Maven工程
5)导入相应的依赖坐标+日志添加
<dependencies>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
</dependency>
<dependency>
<groupId>org.apache.logging.log4j</groupId>
<artifactId>log4j-slf4j-impl</artifactId>
<version>2.12.0</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>3.1.3</version>
</dependency>
</dependencies>
在项目的src/main /resources目录下,新建一个文件,命名为“log4j2.xml”,在文件中填入
<?xml version="1.0" encoding="UTF-8"?>
<Configuration status="error" strict="true" name="XMLConfig">
<Appenders>
<!-- 类型名为Console,名称为必须属性 -->
<Appender type="Console" name="STDOUT">
<!-- 布局为PatternLayout的方式,
输出样式为[INFO] [2018-01-22 17:34:01][org.test.Console]I'm here -->
<Layout type="PatternLayout"
pattern="[%p] [%d{yyyy-MM-dd HH:mm:ss}][%c{10}]%m%n" />
</Appender>
</Appenders>
<Loggers>
<!-- 可加性为false -->
<Logger name="test" level="info" additivity="false">
<AppenderRef ref="STDOUT" />
</Logger>
<!-- root loggerConfig设置 -->
<Root level="info">
<AppenderRef ref="STDOUT" />
</Root>
</Loggers>
</Configuration>
接下来是用客户端操作HDFS
package com.atguigu.hdfs;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;
import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;
import java.util.Arrays;
/**
* 客户端性质的开发.
* 1. 创建客户端对象
* 2. 调用相应的方法实现相应的功能
* 3. 关闭客户端对象
*/
public class HdfsClientDemo {
/**
* 查看文件的详情
*/
@Test
public void testListFiles() throws IOException {
RemoteIterator<LocatedFileStatus> listFiles =
fs.listFiles(new Path("/"), true);
while(listFiles.hasNext()){
LocatedFileStatus file = listFiles.next();
//获取每个文件的详情
System.out.println("文件路径:" + file.getPath());
System.out.println("文件权限:" + file.getPermission());
System.out.println("文件主人:" + file.getOwner());
System.out.println("文件的组:" + file.getGroup());
System.out.println("文件大小:" + file.getLen());
System.out.println("副本数量:" + file.getReplication());
System.out.println("文件块大小:" + file.getBlockSize());
//获取文件的块
System.out.println("文件块位置:" + Arrays.toString(file.getBlockLocations()));
System.out.println("===========================================");
}
}
/**
* 判断文件还是文件夹
*/
@Test
public void testListStatus() throws IOException {
FileStatus[] fileStatus = fs.listStatus(new Path("/"));
for (FileStatus status : fileStatus) {
if(status.isFile()){
System.out.println("File:" + status.getPath());
}else{
System.out.println("Dir:" + status.getPath());
}
}
}
/**
* 删除
*/
@Test
public void testDelete() throws IOException {
//fs.delete(new Path("/shasha.txt"),false);
//fs.delete(new Path("/wcinput"),true);
fs.delete(new Path("/abc"),false);
}
/**
* 文件更名 移动
*/
@Test
public void testmv() throws IOException {
fs.rename(new Path("/wcinput/README.txt"),new Path("/atguigu/RE.txt"));
}
/**
* 文件下载
*/
@Test
public void testDownload() throws IOException {
fs.copyToLocalFile(false,
new Path("/wcinput/README.txt"),
new Path("E:\\asource\\README.txt"),
true);
}
/**
* 参数优先级:
*
* configuration对象中设置的 > xxx-site.xml > xxx-default.xml
*/
/**
* 文件上传
*/
@Test
public void testUpload() throws IOException {
fs.copyFromLocalFile(false,true,
new Path("E:\\asource\\jiajia.txt"),
new Path("/atguigu"));
}
/**
* 创建目录
*
*/
@Test
public void testMkdir() throws IOException {
fs.mkdirs(new Path("/atguigu"));
}
private FileSystem fs ;
private URI uri ;
private Configuration conf ;
private String user = "atguigu";
/**
* @Before注解标注的方法会在每个@Test方法执行之前执行.
*
*/
@Before
public void init() throws IOException, InterruptedException {
uri = URI.create("hdfs://hadoop102:8020");
conf = new Configuration();
//添加配置:
conf.set("dfs.replication","2");
fs = FileSystem.get(uri,conf,user);
}
/**
* @After注解标注的方法会在每个@Test方法执行之后执行.
*/
@After
public void close() throws IOException {
fs.close();
}
/**
* 获取客户端对象
*/
@Test
public void testHdfsClient() throws URISyntaxException, IOException, InterruptedException {
/**
* 三个参数:
* 1. URI : 指定hdfs的位置,实际上就是namenode的地址
*
* 2. Configuration : 用于添加配置.
*
* 3. User: 指定操作hdfs的用户
*/
//URI uri = new URI("hdfs://hadoop102:8020");
URI uri = URI.create("hdfs://hadoop102:8020");
Configuration conf = new Configuration();
String user = "atguigu";
FileSystem fs = FileSystem.get(uri,conf,user) ;
System.out.println(fs);
System.out.println(fs.getClass()); //org.apache.hadoop.hdfs.DistributedFileSystem
fs.close();
}
}