课程链接:
尚硅谷大数据Hadoop 3.x(入门搭建+安装调优)_哔哩哔哩_bilibili
(Hadoop到底是干什么用的? - 知乎 (zhihu.com)
资料
第 1 章 HDFS 概述
1.1 HDFS 产出背景及定义
1、HDFS 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。
2、HDFS 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。
3、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。
1.2 HDFS 优缺点
优点
1、高容错性
数据自动保存多个副本。它通过增加副本的形式,提高容错性。
- 某一个副本丢失以后,它可以自动恢复。
2、适合处理大数据
- 数据规模:能够处理数据规模达到GB、TB、甚至PB级别的数据;
- 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。
3、可构建在廉价机器上,通过多副本机制,提高可靠性
HDFS缺点
1、不适合低延时数据访问,比如毫秒级的存储数据,是做不到的。
2、无法高效的对大量小文件进行存储。
- 存储大量小文件的话,它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的,因为NameNode的内存总是有限的;
- 小文件存储的寻址时间会超过读取时间,它违反了HDFS的设计目标。
3、不支持并发写入、文件随机修改。
- 一个文件只能有一个写,不允许多个线程同时写;
- 仅支持数据append(追加),不支持文件的随机修改。
1.3 HDFS 组成架构
1、NameNode(nn):就是Master,它是一个主管、管理者。
- 管理HDFS的名称空间;
- 配置副本策略;
- 管理数据块(Block)映射信息;
- 处理客户端读写请求。
2、DataNode:就是Slave。NameNode下达命令,DataNode执行实际的操作。
- 存储实际的数据块;
- 执行数据块的读/写操作。
3、Client:就是客户端。
- 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,然后进行上传;
- 与NameNode交互,获取文件的位置信息;
- 与DataNode交互,读取或者写入数据;
- Client提供一些命令来管理HDFS,比如NameNode格式化;
- Client可以通过一些命令来访问HDFS,比如对HDFS增删查改操作;
4、Secondary NameNode:并非NameNode的热备。当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务。
- 辅助NameNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNode ;
- 在紧急情况下,可辅助恢复NameNode。
1.4 HDFS 文件块大小(面试重点)
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/3.x版本中是128M,1.x版本中是64M。
思考:
为什么块的大小不能设置太小,也不能设置太大?
(1)HDFS的块设置太小,会增加寻址时间,程序一直在找块的开始位置;
(2)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。导致程序在处理这块数据时,会非常慢。
机器硬盘 100M/s =>设置 块的大小为128M ,固态硬盘 200M/s =>设置 块的大小为156
总结:HDFS块的大小设置主要取决于磁盘传输速率。
第 2 章 HDFS 的 Shell 操作(开发重点)
基本语法
hadoop fs 具体命令
或 hdfs dfs 具体命令
两个是完全相同的。
命令大全
[root@hadoop102 ~]$ hadoop fs
Usage: hadoop fs [generic options]
[-appendToFile <localsrc> ... <dst>]
[-cat [-ignoreCrc] <src> ...]
[-checksum <src> ...]
# ...
常用命令实操
2.1 准备工作
1)启动 Hadoop 集群(方便后续的测试)
[root@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
[root@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
2)-help:输出这个命令参数
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm
3)创建/sanguo 文件夹
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /mytest
2.2上传
1、-moveFromLocal:从本地剪切粘贴到 HDFS
$ hadoop fs -moveFromLocal mytest/test.txt /mytest
[root@hadoop102 hadoop-3.1.3]$ cat mytest/test.txt
Hello Hadoop
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal mytest/test.txt /mytest
2022-02-18 20:42:29,398 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
[root@hadoop102 hadoop-3.1.3]$ cat mytest/test.txt
cat: mytest/test.txt: No such file or directory
2、-copyFromLocal:从本地文件系统中拷贝文件到 HDFS 路径去
$ hadoop fs -copyFromLocal mytest/test.txt /mytest
[root@hadoop102 hadoop-3.1.3]$ echo "Hello Hadoop" >> mytest/test.txt
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /mytest/test.txt
Deleted /mytest/test.txt
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal mytest/test.txt /mytest
2022-02-18 20:45:52,754 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
[root@hadoop102 hadoop-3.1.3]$ cat mytest/test.txt
Hello Hadoop
4、-put:等同于 copyFromLocal,生产环境更习惯用 put
$ hadoop fs -put mytest/test.txt /mytest
5、-appendToFile:追加一个文件到已经存在的文件末尾
[root@hadoop102 hadoop-3.1.3]$ echo "一个平凡de人" >> mytest/test2.txt
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile mytest/test2.txt /mytest/test.txt
- File contents
Hello Hadoop
一个平凡de人
2.3.3 下载
1、-copyToLocal:从 HDFS 拷贝到本地
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /mytest/test.txt mytest
2022-02-18 20:52:12,853 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
[root@hadoop102 hadoop-3.1.3]$ cat mytest/test.txt
Hello Hadoop
一个平凡de人
2、-get:等同于 copyToLocal,生产环境更习惯用 get
$ hadoop fs -get /mytest/test.txt mytest
2.4 HDFS 直接操作
1、-ls: 显示目录信息
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /mytest
Found 1 items
-rw-r--r-- 3 root supergroup 31 2022-02-18 20:48 /mytest/test.txt
2、-cat:显示文件内容
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /mytest/test.txt
2022-02-18 20:54:05,064 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
Hello Hadoop
一个平凡de人
3、-chgrp、-chmod、-chown:Linux 文件系统中的用法一样,修改文件所属权限
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -chmod 777 /mytest/test.txt
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -chown root:root /mytest/test.txt
4、-mkdir:创建路径
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /mytest02
5、-cp:从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /mytest/test.txt /mytest02
6、-mv:在 HDFS 目录中移动文件
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /mytest02/test.txt /
7、-tail:显示一个文件的末尾 1kb 的数据
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /mytest/test.txt
8、-rm:删除文件或文件夹
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /mytest/test.txt
9、-rm -r:递归删除目录及目录里面内容
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /mytest
10、-du 统计文件夹的大小信息
[root@hadoop102 ~]$ hadoop fs -du -s -h /mytest
31 93 /mytest
[root@hadoop102 ~]$ hadoop fs -du -h /mytest
31 93 /mytest/test.txt
说明:27 表示文件大小;81 表示 27*3 个副本;/mytest表示查看的目录
11、-setrep:设置 HDFS 中文件的副本数量
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 4 /mytest/test.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 10台时,副本数才能达到 10。
第 3 章 HDFS 的 API 操作
windows 远程访问和操作 集群
3.1 客户端环境准备
1、找到资料包路径下的 Windows 依赖文件夹,拷贝 hadoop-3.1.0 到非中文路径。
H:\Web-tool\hadoop-3.1.0\bin
2、配置 HADOOP_HOME 环境变量
%HADOOP_HOME%\bin
3、验证 Hadoop 环境变量是否正常。双击 winutils.exe,如果报如下错误。说明缺少微软运行库(正版系统往往有这个问题)。再资料包里面有对应的微软运行库安装包双击安装即可。
4、在 IDEA 中创建一个 Maven 工程 HdfsClientDemo,并导入相应的依赖坐标+日志添加
<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>
5、在项目的 src/main/resources
目录下,新建一个文件,命名为“log4j.properties”,在文件中填入
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
6、创建包名:com.atguigu.hdfs
7、创建 HdfsClient
类
package com.atguigu.hdfs;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.junit