Hadoop三大组件之HDFS入门

Hadoop三大组件之HDFS入门

HDFS概述HDFS的shell操作(开发重点)

基础语法部分常用命令实操

上传下载 HDFS的直接操作

众所周知，Hadoop有三大组件，HDFS、MapReduce、YARN。我的专栏是说大数据，那么数据总得需要存储吧，那么我们今天一起来看看这神秘的大数据有着怎样的身体，能够吸引这广大的学子来”看她“。

存在即合理（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。

知己知彼

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，且不支持文件的修改。适合用来做数据分析，并不适合用来做网盘应用。

世界上没有绝对完美的事物

优点：

高容错性

数据自动保存多个副本，通过增加副本数，提高容错性某一个副本丢失以后，可以自动恢复 适合处理大数据

数据规模：能够处理规模达到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，数量巨大。 可以构建在廉价的机器上，通过副本机制，提高可靠性。

缺点 ：

不适合低延迟时的数据访问。毫秒级的运算，是做不到的。无法高效的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. 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

识人先看脸

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

DN ： 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

Client ： 就是客服端

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

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

学以致用

HDFS的文件块大小

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版本中是128M，老版本中是64M。

思考一下，这里的为什么块的大小要设置成128M，不是64M（或者为啥要更新成），也不是256M，或者其他的大小。

首先，我们块的大小肯定会设置成2的次方，这个是因为计算机时二进制的没毛病吧。

第二，因为我们当前日常使用的磁盘的传输效率一般是100MB/s，所以我们肯定会选择128M的了。如果HDFS的块设置太小，会增加寻址时间，程序一直在找块的开始时间；如果块设置太大，从磁盘传输数据的时间会明显大于定位这个块开始位置的时间。这样会导致在处理这块数据时，会非常的慢。

最后，HDFS块的大小设置主要取决于磁盘传输速率。

hadoop fs 具体命令 OR hdfs dfs 具体命令

这两个命令是一样的。具体命令和Linux大体一致只需要在前面加上上面的的语法结构 在加上一个-即可

例：

hadoop fs -ls /

hadoop 命令大全

[pier@hadoop105 hadoop-3.1.3]$ bin/hadoop fs
Usage: hadoop fs [generic options]
	[-appendToFile  ... ]
	[-cat [-ignoreCrc]  ...]
	[-checksum  ...]
	[-chgrp [-R] GROUP PATH...]
	[-chmod [-R]  PATH...]
	[-chown [-R] [OWNER][:[GROUP]] PATH...]
	[-copyFromLocal [-f] [-p] [-l] [-d] [-t ]  ... ]
	[-copyToLocal [-f] [-p] [-ignoreCrc] [-crc]  ... ]
	[-count [-q] [-h] [-v] [-t []] [-u] [-x] [-e]  ...]
	[-cp [-f] [-p | -p[topax]] [-d]  ... ]
	[-createSnapshot  []]
	[-deleteSnapshot  ]
	[-df [-h] [ ...]]
	[-du [-s] [-h] [-v] [-x]  ...]
	[-expunge]
	[-find  ...  ...]
	[-get [-f] [-p] [-ignoreCrc] [-crc]  ... ]
	[-getfacl [-R] ]
	[-getfattr [-R] {-n name | -d} [-e en] ]
	[-getmerge [-nl] [-skip-empty-file]  ]
	[-head ]
	[-help [cmd ...]]
	[-ls [-C] [-d] [-h] [-q] [-R] [-t] [-S] [-r] [-u] [-e] [ ...]]
	[-mkdir [-p]  ...]
	[-moveFromLocal  ... ]
	[-moveToLocal  ]
	[-mv  ... ]
	[-put [-f] [-p] [-l] [-d]  ... ]
	[-renameSnapshot   ]
	[-rm [-f] [-r|-R] [-skipTrash] [-safely]  ...]
	[-rmdir [--ignore-fail-on-non-empty]  ...]
	[-setfacl [-R] [{-b|-k} {-m|-x } ]|[--set  ]]
	[-setfattr {-n name [-v value] | -x name} ]
	[-setrep [-R] [-w]   ...]
	[-stat [format]  ...]
	[-tail [-f] [-s ] ]
	[-test -[defsz] ]
	[-text [-ignoreCrc]  ...]
	[-touch [-a] [-m] [-t TIMESTAMP ] [-c]  ...]
	[-touchz  ...]
	[-truncate [-w]   ...]
	[-usage [cmd ...]]

Generic options supported are:
-conf         specify an application configuration file
-D                define a value for a given property
-fs  specify default filesystem URL to use, overrides 'fs.defaultFS' property from configurations.
-jt   specify a ResourceManager
-files                 specify a comma-separated list of files to be copied to the map reduce cluster
-libjars                specify a comma-separated list of jar files to be included in the classpath
-archives ,...>          specify a comma-separated list of archives to be unarchived on the compute machines

The general command line syntax is:
command [genericOptions] [commandOptions]

开启集群

[pier@hadoop105 hadoop-3.1.3]$ sbin/start-all.sh 

-moveFromLocal：从本地剪切粘贴到HDFS(本地文件不在了)

# 本地创建一个文件
[pier@hadoop105 hadoop-3.1.3]$ touch pier.txt
# 远程创建一个多级目录
[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -mkdir -p /sanguo/shuguo
# 上传文件至我们的hdfs上
[pier@hadoop105 hadoop-3.1.3]$ hadoop fs  -moveFromLocal ./pier.txt /sanguo/shuguo

浏览器中查看

在浏览器中打开的hdfs远程查看可以看到。

-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去(本地文件存在)

[pier@hadoop105 hadoop-3.1.3]$ touch pier1.txt
[pier@hadoop105 hadoop-3.1.3]$ hadoop fs  -copyFromLocal ./pier1.txt /sanguo/shuguo

-appendToFile：追加一个文件到已经存在的文件末尾

[pier@hadoop105 hadoop-3.1.3]$ vim liubei.txt 
[pier@hadoop105 hadoop-3.1.3]$ cat liubei.txt 
刘备打野克猴子呀
三顾茅庐请卧龙
[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo/pier.txt

-put：等同于copyFromLocal

在浏览器看最终效果

在这里有的小伙伴可能显示的就是两个block，这里不用担心，数据是传上去了的，只不过因为你之前的windows映射没有设置，出现的问题。假如说是出现中文乱码的问题，就是你的文件格式可能有问题，可以去百度一下哟。

-copyToLocal：从HDFS拷贝到本地

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -copyToLocal /sanguo/shuguo/pier.txt ./

-get：等同于copyToLocal，就是从HDFS下载文件到本地

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -get /sanguo/shuguo/pier1.txt ./

-getmerge：合并下载多个文件，比如HDFS的目录 /user/atguigu/test下有多个文件:log.1, log.2,log.3,…

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -getmerge /user/pier/test/* ./together.txt

1）-ls: 显示目录信息

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -ls /

2）-mkdir：在HDFS上创建目录

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -mkdir -p /sanguo/shuguo

3）-cat：显示文件内容

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo/kongming.txt

4）-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -chmod 666 /sanguo/shuguo/kongming.txt
[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -chown atguigu:atguigu  /sanguo/shuguo/kongming.txt

5）-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt

6）-mv：在HDFS目录中移动文件

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/

7）-tail：显示一个文件的末尾1kb的数据

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -tail /sanguo/shuguo/kongming.txt

8）-rm：删除文件或文件夹

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -rm /user/atguigu/test/jinlian2.txt

9）-rmdir：删除空目录

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -mkdir /test
[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -rmdir /test

10）-du统计文件夹的大小信息

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -du -s -h /user/atguigu/test
2.7 K /user/atguigu/test
[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -du -h /user/atguigu/test
1.3 K /user/atguigu/test/README.txt
15   /user/atguigu/test/jinlian.txt
1.4 K /user/atguigu/test/zaiyiqi.txt

11）-setrep：设置HDFS中文件的副本数量

[pier@hadoop105 hadoop-3.1.3]$ hadoop fs -setrep 10 /sanguo/shuguo/kongming.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。

总结

看完上述操作，其实也不难发现这个操作其实蛮简单的，基本上和这个Linux差不多。

那么今天你学费了吗？