HDFS基础

搭建HDFS后简单介绍下这个分布式文件管理系统。

块

名称节点和数据节点

在搭建hadoop集群时配置core-site.xml文件配置了hadoop.tmp.dir是NameNode的主目录。它在配置的目录在加上tmp/dfs/name/current,如下：

VERSION

客户端访问

存储原理

• 冗余数据存储
  
• 数据存取策略

• 数据错误与恢复

数据恢复依赖于多副本机制。

Hadoop读写过程

FileSystem是一个通用文件系统的抽象基类，可以被分布式文件系统继承，所有可能使用Hadoop文件系统的代码，都要使用这个类。

Hadoop为FileSystem这个抽象类提供了多种具体实现：

• DistributedFileSystem就代表了Hadoop分布式文件系统，用户只要操作DistributedFileSystem的对象来进行文件目录的建立、数据的存取操作，其他的都由DistributedFileSystem来完成
• DistributedFileSystem中有一个成员DFSClient，这个成员在初始化时，就是初始化自己的ClientProtocal代理对象（名称就是namenode），ClientProtocal是使用RPC框架和NN通信的客户端代理对象。
• FileSystem的open()方法返回的是一个输入流FSDataInputStream对象，在HDFS文件系统中，具体的输入流就是in；FileSystem中的create()方法返回的是一个输出流FSDataOutputStream对象，在HDFS文件系统中，具体的输出流就是out 。

HDFS编程

shell命令
相比Java API，shell命令是较为容器的编程方式。

HDFS有很多shell命令，其中，fs命令可以说是HDFS最常用的命令利用该命令可以查看HDFS文件系统的目录结构、上传和下载数据、创建文件等。

该命令的用法为：
hadoop fs [genericOptions] [commandOptions]

常用命令：

//创建目录
hadoop fs -mkdir [option]
//创建多级目录
hadoop fs -mkdir -p [option]

//显示当前目录
hadoop fs -ls
//显示当前多级目录
hadoop fs -ls -R

//删除目录
hadoop fs -rm [option]
//连带删除
hadoop fs -rm -r  [option]

//本地文件上传到hdfs系统
hadoop fs -put [reource] [target]

//将hdfs的文件下载到本地
hadoop fs -get [reource] [traget]

//查看dhfs的文件
hadoop -fs -cat [option]

//复制到其他目录
hadoop fs -cp [reource] [target]


//拷贝到HDFS，功能个put一样
hadoop  fs -copyFromLocal <src> <des>

//拷贝到本地，功能和get一样
hadoop fs -copyToLocal  <src>  <des>

web管理hadoop
输入[NameNodeIp:50070]访问HDFS系统

输入[NameNodeIp:50090]访问DataNode。

除了shell操作HDFS外还支持Java，Python等语言，HDFS都提供了API，借助web进行文件的上传与下载。