HDFS
- hadoop三个组件:HDFS MapReduce Yarn
- HDFS是分布式文件系统
- 文件切块,副本存放,元数据
- 目录结构及文件分块位置信息(元数据)的管理由namenode节点承担
namenode是HDFS集群主节点,负责维护整个hdfs文件系统的目录树,以及每一个路径(文件)所对应的block块信息(block的id,及所在的datanode服务器) - 文件的各个block的存储管理由datanode节点承担
datanode是HDFS集群从节点,每一个block都可以在多个datanode上存储多个副本(副本数量也可以通过参数设置dfs.replication,默认是3)
HDFS命令行客户端使用
- hadoop fs -ls /
常用命令参数
- 显示目录信息
hadoop fs -ls hdfs://hadoop-server01:9000/ - 创建目录
hadoop fs -mkdir -p /a/b/c/d - 从本地剪切粘贴到hdfs
hadoop fs -moveFromLocal /home/a.txt /a/b/c/d - 从hdfs复制粘贴到本地
hadoop fs -copyToLocal /a/b/c/d/a.txt /home - 追加一个文件到已经存在的文件末尾
hadoop fs -appendToFile ./hello.txt /hello.txt - 显示文件内容
hadoop fs -cat /hello.txt - 显示一个文件的末尾
hadoop fs -tail /hello.txt - 以字符形式打印一个文件的内容
hadoop fs -text /hello.txt - 文件权限
-chgrp -chmod -chown
hadoop fs -chmod 666 /hello.txt
hadoop fs -chown someuser:somegrp /hello.txt - 从hdfs的一个路径拷贝hdfs的另一个路径
hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2 - 移动文件
hadoop fs -mv /aaa/jdk.tar.gz / - 从hdfs下载文件到本地
hadoop fs -get /aaa/jdk.tar.gz - 合并下载多个文件
hadoop fs -getmerge /aaa/log.* ./log.sum - 删除文件或文件夹
hadoop fs -rm -r /aaa/bbb/ - 删除空目录
hadoop fs -rmdir /aaa/bbb/ccc - 统计文件系统的可用空间信息
hadoop fs -df -h / - 统计文件夹的大小信息
hadoop fs -du -s -h /aaa - 统计一个指定目录下的文件节点数量
hadoop fs -count /aaa/ - 设置hdfs中文件的副本数量
hadoop fs -setrep 3 /aaa/jdk.tar.gz - 查看dfs集群工作状态
hdfs dfsadmin -report
HDFS的工作机制
- 1.HDFS集群分为两大角色:NameNode、DataNode (Secondary Namenode)
- 2.NameNode负责管理整个文件系统的元数据
- 3.DataNode 负责管理用户的文件数据块
- 4.文件会按照固定的大小(blocksize)切成若干块后分布式存储在若干台datanode上
- 5.每一个文件块可以有多个副本,并存放在不同的datanode上
- 6.Datanode会定期向Namenode汇报自身所保存的文件block信息,而namenode则会负责保持文件的副本数量
- 7.HDFS的内部工作机制对客户端保持透明,客户端请求访问HDFS都是通过向namenode申请来进行
HDFS写数据流程
- 客户端要向HDFS写数据,首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode,然后,客户端按顺序将文件逐个block传递给相应datanode,并由接收到block的datanode负责向其他datanode复制block的副本
1、根namenode通信请求上传文件,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、client请求第一个 block该传输到哪些datanode服务器上
4、namenode返回3个datanode服务器ABC
5、client请求3台dn中的一台A上传数据(本质上是一个RPC调用,建立pipeline),A收到请求会继续调用B,然后B调用C,将真个pipeline建立完成,逐级返回客户端
6、client开始往A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,A收到一个packet就会传给B,B传给C;A每传一个packet会放入一个应答队列等待应答
7、当一个block传输完成之后,client再次请求namenode上传第二个block的服务器。
HDFS读数据流程
- 客户端将要读取的文件路径发送给namenode,namenode获取文件的元信息(主要是block的存放位置信息)返回给客户端,客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件