随着数据量的日益增长，数据的存储问题尤为突出，HDFS就是分布式文件管理系统中的一种。主要适用于一次写入，多次读出的场景。
hdfs优点：高容错性（数据自动保存多个副本，通过增加副本的形式，提高容错性；某个副本丢失以后，可以自动恢复。）；适合处理大数据；可构建在廉价机器上。
hdfs缺点：不适合低延时数据访问；无法高效的对大量小文件进行存储；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，不支持文件的随机修改）。
HDFS组成架构
其中：NameNode（nn）：就是文件的管理者，管理HDFS的名称空间；配置副本策略；管理数据块映射信息；处理客户端读写请求。DataNode：就是执行NameNode下达的命令，主要存储实际的数据块，执行数据块的读/写操作。Client：客户端，负责文件的切分（文件上传时，Client将文件切分成一个一个的块，然后上传），与NameNode进行交互，获取文件的位置信息，与DataNode交互，读取或者写入数据；提供一些命令来管理HDFS，同时访问HDFS进行增删改查操作。Seconddary NameNode：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。
2、HDFS的shell操作基本语法：hadoop fs 具体命令
常用命令：
上传：-moveFromLocal：从本地剪切粘贴到HDFS；
-copyFromLocal：从本地文件系统中拷贝文件到 HDFS 路径去（本地文件依然存在）
-put：等同于 copyFromLocal，生产环境更习惯用 put
-appendToFile：追加一个文件到已经存在的文件末尾
下载：-copyToLocal：从 HDFS 拷贝到本地
-get：等同于 copyToLocal，生产环境更习惯用 get
直接操作：-ls: 显示目录信息
-cat：显示文件内容
-chgrp、-chmod、-chown：Linux 文件系统中的用法一样，修改文件所属权限
-cp：从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
-tail：显示一个文件的末尾 1kb 的数据
-mv：在 HDFS 目录中移动文件
-rm：删除文件或文件夹
-mkdir：创建路径
-rm -r：递归删除目录及目录里面内容
-du 统计文件夹的大小信息
3、HDFS的API操作介绍：通过使用IDEA作为客户端来对HDFS进行操作
首先进行客户端的环境配置，下载hadoop-3.1.0的资料包，然后在本机系统变量中加入HADOOP_HOME环境变量。
接着在IDEA中创建Maven工程，导入依赖和日志添加
配置环境：在项目中的pom.xml文件中导入依赖
8 8 org.apache.hadoop hadoop-client3.1.3 junit junit4.12 org.slf4j slf4j-log4j121.7.30
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
创建一个客户端的类对HDFS进行操作。下面是具体实际操作：
package cn.itjdb.hadoop;
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;
public class HDFSClient{
private FileSystem fs;
@Before
public void init() throws URISyntaxException, IOException, InterruptedException {
//连接集群的nn地址
URI uri=new URI("hdfs://hadoop102:8020");
//创建一个配置文件
Configuration configuration=new Configuration();
//用户
String user="atguigu";
//1、获取客户端对象
fs=FileSystem.get(uri,configuration,user);
}
@After
public void close() throws IOException {
//3、关闭资源
fs.close();
}
@Test
public void testMkdir() throws IOException{
//2、执行相关操作，创建一个文件夹
fs.mkdirs(new Path("/nihao/ceshi"));
}
//上传
@Test
public void testPut() throws IOException {
//2、执行相关操作，上传文件
//参数解读：参数1、表示删除原数据，参数2、表示是否允许覆盖，参数3、原数据路径(本地路径)，参数4、目的地路径(下面的路径也可以写成：hdfs://hadoop102/nihao/ceshi)--->ctrl+p：查看方法参数
fs.copyFromLocalFile(false,true,new Path("D:\input\inputflow\phone_data.txt"),new Path("/nihao/ceshi"));
}
//下载
@Test
public void testGet() throws IOException {
//2、执行相关操作，下载文件
//参数解读：参数1、源文件是否删除，参数2、源文件路径HDFS，参数3、目标地址路径win，参数4、是否开启文件校验(验证传输时数据是否丢失)
fs.copyToLocalFile(false,new Path("/nihao/ceshi/phone_data.txt"),new Path("D:\input\inputflow\"),false);
}
//删除
@Test
public void testDelete() throws IOException {
//2、执行相关操作，删除文件
//参数解读：参数1、要删除的路径，参数2、表示是否要递归删除(就是文件夹中有多个文件，删除文件夹的时候使用递归删除)
fs.delete(new Path("/nihao/ceshi/phone_data.txt"),false);
}
//文件的更名和移动
@Test
public void testmv() throws IOException {
//2、执行相关操作，文件更名和移动
fs.rename(new Path("/inputfile/phone_data.txt"),new Path("/inputfile/phone_data2.txt"));
}
//获取文件详细信息
@Test
public void fileDetail() throws IOException {
//获取所有文件信息,返回的是一个列表(在方法后面加上.var可以得到完整的方法返回)
RemoteIterator locatedFileStatusRemoteIterator = fs.listFiles(new Path("/"), true);
//遍历所有的文件，显示详情
while (locatedFileStatusRemoteIterator.hasNext()){
//此时获取每一个文件的详细信息
LocatedFileStatus fileStatus = locatedFileStatusRemoteIterator.next();
System.out.println("====================="+fileStatus.getPath()+"=================="); //得到文件路径
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());
//获取文件内块的信息
BlockLocation[] blockLocations = fileStatus.getBlockLocations();
System.out.println(Arrays.toString(blockLocations));
}
}
//文件夹判断
@Test
public void testFile() throws IOException {
FileStatus[] fileStatuses = fs.listStatus(new Path("/"));
//遍历输出
for (FileStatus status:fileStatuses){
if (status.isFile()){
System.out.println("文件："+status.getPath().getName());
}else {
System.out.println("目录："+status.getPath().getName());
}
}
}
}
