HDFS知识目录
HDFS概述
—HDFS产生背景以及定义—
产生背景
随着数据量越来越大,在一个操作系统存不下所有的数据,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,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。HDFS只是分布式文件管理系统中的一种。
定义
HDFS(Hadoop Distributed File System),它是一个文件系统,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。
HDFS的使用场景:适合一次写入,多次读出的场景。一个文件经过创建、写入和关闭之后就不需要改变
—HDFS优缺点—
HDFS优点
HDFS缺点
HDFS文件块大小
—HDFS组成架构—
HDFS常用shell操作命令
—HDFS上传操作命令—
① -moveFromLocal:从本地剪切粘贴到HDFS
② -copyFromLocal:从本地文件系统中拷贝文件到HDFS路径去
③ -put:等同于copyFromLocal,生产环境更习惯用put
④ -appendToFile:追加一个文件到已经存在的文件末尾
—HDFS下载操作命令—
① -copyToLocal:从HDFS拷贝到本地
② -get:等同于copyToLocal,生产环境更习惯用get
—HDFS直接操作命令—
① -ls: 显示目录信息 hadoop fs -ls / 查看根目录下的文件
② -cat:显示文件内容
③ -chgrp、-chmod、-chown:Linux文件系统中的用法一样,修改文件所属权限
④-mkdir:创建路径
⑤-cp:从HDFS的一个路径拷贝到HDFS的另一个路径
⑥-mv:在HDFS目录中移动文件
⑦-rm:删除文件或文件夹
HDFS的API操作
说明:常见操作都包含在下方HdfsClient.java里,参考下方使用场景即可
public class HdfsClient {
private FileSystem fs;
@Before
public void init() throws URISyntaxException, IOException, InterruptedException {
//连接集群的地址
URI uri = new URI("hdfs://hadoop102:8020");
//创建配置文件
Configuration configuration = new Configuration();
configuration.set("dfs.replication", "3");
//创建用户对象
String user = "lcl";
//获取客户端对象
fs = FileSystem.get(uri, configuration, user);
}
@After
public void close() throws IOException {
//资源关闭
fs.close();
}
//创建目录
@Test
public void testMkdir() throws URISyntaxException, IOException, InterruptedException {
/*//连接集群的地址
URI uri = new URI("hdfs://hadoop102:8020");
//创建配置文件
Configuration configuration = new Configuration();
//创建一个用户对象
String user = "lcl";
//1.获取到客户端对象
FileSystem fs = FileSystem.get(uri, configuration,user);*/
//2.执行相关命令操作
fs.mkdirs(new Path("/wcoutput"));
//3.关闭资源
//fs.close();
}
/**
* 参数优先级:
* hdfs-default.xml ==> hdfs-site.xml ==> 项目资源配置里 ==> 代码里的配置
* 例如:修改副本数
*
* @throws IOException
*/
//上传文件
@Test
public void testPut() throws IOException {
//参数含义:参数一:是否删除原数据;参数二:是否允许覆盖;参数三,参数四:表示源地址和目标地址
fs.copyFromLocalFile(false, true, new Path("D:\\jiabaoyu.txt"), new Path("/hongloumeng/"));
}
//文件下载
@Test
public void testGet() throws IOException {
/** 参数解读
* delsrc:源文件是否删除 参数二:源路径 参数三:目标路径 参数四:进行校验
*/
fs.copyToLocalFile(false, new Path("/hongloumeng/jiabaoyu.txt"), new Path("D:\\"), false);
}
//文件删除
@Test
public void testDelete() throws IOException {
/**参数解读
* 参数一:删除路径
* 参数二:是否递归删除,如果是非空文件夹的是时候需要进行递归删除
*/
//删除空目录
//fs.delete(new Path("/wcoutput"),false);
//删除非空目录进行递归删除[使用非递归删除会报错误]
fs.delete(new Path("/hongloumeng"), true);
}
//文件的更名和移动
@Test
public void testRemove() throws IOException {
//参数说明:源文件路径; 参数二:目标文件路径
//fs.rename(new Path("/wcinput"),new Path("/input"));
//文件的更名
fs.rename(new Path("/input/word.txt"), new Path("/input/NewWord.txt"));
}
//获取文件的详细信息
@Test
public void fileDetail() throws IOException {
//获取所有文件[文件路径,是否递归遍历]
RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
while (listFiles.hasNext()) {
LocatedFileStatus fileStatus = listFiles.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());
System.out.print("文件的详细路径:");
System.out.println(Arrays.toString(fileStatus.getBlockLocations()));
}
}
//上传文件
@Test
public void testPutWord() throws IOException {
fs.copyFromLocalFile(true, false, new Path("D:\\lcl.txt"), new Path("/"));
}
//返回文件和文件夹的类型
@Test
public void testFile() throws IOException {
FileStatus[] fileStatuses = fs.listStatus(new Path("/"));
for (FileStatus file : fileStatuses) {
//判断是文件的情况
if (file.isFile()) {
System.out.println("文件:" + file.getPath().getName());
} else {
System.out.println("目录:" + file.getPath().getName());
}
}
}
}
HDFS读写流程
—HDFS写入数据流程—
(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)。
—HDFS读取数据流程—
(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。