HDFS的基础与操作

一 HDFS概念

1.1 概念

HDFS，它是一个文件系统，全称：Hadoop Distributed File System，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。

1.2 组成

1）HDFS集群包括，NameNode和DataNode以及Secondary Namenode。

2）NameNode负责管理整个文件系统的元数据，以及每一个路径（文件）所对应的数据块信息。

3）DataNode 负责管理用户的文件数据块，每一个数据块都可以在多个datanode上存储多个副本。

4）Secondary NameNode用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。

1.3 HDFS 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

HDFS的块比磁盘的块大，其目的是为了最小化寻址开销。如果块设置得足够大，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。因而，传输一个由多个块组成的文件的时间取决于磁盘传输速率。

如果寻址时间约为10ms，而传输速率为100MB/s，为了使寻址时间仅占传输时间的1%，我们要将块大小设置约为100MB。默认的块大小128MB。

块的大小：10ms*100*100M/s = 100M

二 HFDS命令行操作

1）基本语法

bin/hadoop fs 具体命令

2）参数大全

bin/hadoop fs

[-appendToFile <localsrc> ... <dst>]

[-cat [-ignoreCrc] <src> ...]

[-checksum <src> ...]

[-chgrp [-R] GROUP PATH...]

[-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]

[-chown [-R] [OWNER][:[GROUP]] PATH...]

[-copyFromLocal [-f] [-p] <localsrc> ... <dst>]

[-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]

[-count [-q] <path> ...]

[-cp [-f] [-p] <src> ... <dst>]

[-createSnapshot <snapshotDir> [<snapshotName>]]

[-deleteSnapshot <snapshotDir> <snapshotName>]

[-df [-h] [<path> ...]]

[-du [-s] [-h] <path> ...]

[-expunge]

[-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]

[-getfacl [-R] <path>]

[-getmerge [-nl] <src> <localdst>]

[-help [cmd ...]]

[-ls [-d] [-h] [-R] [<path> ...]]

[-mkdir [-p] <path> ...]

[-moveFromLocal <localsrc> ... <dst>]

[-moveToLocal <src> <localdst>]

[-mv <src> ... <dst>]

[-put [-f] [-p] <localsrc> ... <dst>]

[-renameSnapshot <snapshotDir> <oldName> <newName>]

[-rm [-f] [-r|-R] [-skipTrash] <src> ...]

[-rmdir [--ignore-fail-on-non-empty] <dir> ...]

[-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]

[-setrep [-R] [-w] <rep> <path> ...]

[-stat [format] <path> ...]

[-tail [-f] <file>]

[-test -[defsz] <path>]

[-text [-ignoreCrc] <src> ...]

[-touchz <path> ...]

[-usage [cmd ...]]

3）常用命令实操

（1）-help：输出这个命令参数

bin/hdfs dfs -help rm

（2）-ls: 显示目录信息

　　　　hadoop fs -ls /

　　　　Hadoop fs -lsr /

（3）-mkdir：在hdfs上创建目录

　　　　hadoop fs  -mkdir  -p  /hdfs路径

（4）-moveFromLocal从本地剪切粘贴到hdfs

　　　　hadoop  fs  -moveFromLocal  本地路径  /hdfs路径

（5）--appendToFile  ：追加一个文件到已经存在的文件末尾

　　　　hadoop  fs  -appendToFile  本地路径  /hdfs路径

（6）-cat ：显示文件内容

　　hadoop fs -cat /hdfs路径

（7）-tail -f：监控文件

　　　　hadoop  fs  -tail -f /hdfs路径

（8）-chmod、-chown：linux文件系统中的用法一样，修改文件所属权限

　　　　hadoop  fs  -chmod  777  /hdfs路径

　　　　hadoop  fs  -chown  someuser:somegrp   /hdfs路径

（9）-cp ：从hdfs的一个路径拷贝到hdfs的另一个路径

　　　　hadoop  fs  -cp  /hdfs路径1  / hdfs路径2

（10）-mv：在hdfs目录中移动/重命名 文件

　　　　hadoop  fs  -mv  /hdfs路径  / hdfs路径

（11）-get：等同于copyToLocal，就是从hdfs下载文件到本地

　　　　hadoop fs -get / hdfs路径 ./本地路径

（12）-getmerge  ：合并下载多个文到linux本地，比如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,...（注：是合成到Linux本地）

　　　　hadoop fs -getmerge /aaa/log.* ./log.sum

　　　　合成到不同的目录：hadoop fs -getmerge /hdfs1路径 /hdfs2路径 /

（13）-put：等同于copyFromLocal

　　　　hadoop  fs  -put  /本地路径  /hdfs路径

（14）-rm：删除文件或文件夹

　　　　hadoop fs -rm -r /hdfs路径

（15）-df ：统计文件系统的可用空间信息

　　　　hadoop fs -df -h / hdfs路径

（16）-du统计文件夹的大小信息

　　　　[itstar@bigdata111 hadoop-2.8.4]$ hadoop fs -du -s -h / hdfs路径

　　　　　　188.5 M  /user/itstar/wcinput

　　　　[itstar@bigdata111 hadoop-2.8.4]$ hadoop fs -du  -h / hdfs路径

　　　　　　188.5 M  / hdfs路径

　　　　　　97       / hdfs路径

（17）-count：统计一个指定目录下的文件节点数量

　　　　hadoop fs -count /aaa/

　　　　[itstar@bigdata111 hadoop-2.8.4]$ hadoop fs -count / hdfs路径

　　　　1                   2          197657784 / hdfs路径

　　　　嵌套文件层级；  包含文件的总数

（18）-setrep：设置hdfs中文件的副本数量：3是副本数，可改

　　　　hadoop fs -setrep 3 / hdfs路径

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。

3.1 IDEA环境准备

{$MAVEN_HOME/conf/settings}

<!--本地仓库所在位置-->

<localRepository>F:\m2\repository</localRepository>

<!--使用阿里云镜像去下载Jar包，速度更快-->

<mirrors>

<mirror>

<id>alimaven</id>

<name>aliyun maven</name>

<url>http://maven.aliyun.com/nexus/content/groups/public/</url>

<mirrorOf>central</mirrorOf>

</mirror>

</mirrors>

3.1.0 Maven配置

3.1.1 Maven准备

<dependencies>

<dependency>

<groupId>org.apache.hadoop</groupId>

<artifactId>hadoop-common</artifactId>

<version>2.8.4</version>

</dependency>

<dependency>

<groupId>org.apache.hadoop</groupId>

<artifactId>hadoop-hdfs</artifactId>

<version>2.8.4</version>

</dependency>

<dependency>

<groupId>org.apache.hadoop</groupId>

<artifactId>hadoop-client</artifactId>

<version>2.8.4</version>

</dependency>

<dependency>

<groupId>org.projectlombok</groupId>

<artifactId>lombok</artifactId>

<version>1.16.10</version>

</dependency>

<dependency>

<groupId>log4j</groupId>

<artifactId>log4j</artifactId>

<version>1.2.17</version>

</dependency>

<dependency>

<groupId>org.slf4j</groupId>

<artifactId>slf4j-api</artifactId>

<version>1.7.7</version>

</dependency>

<!-- https://mvnrepository.com/artifact/junit/junit -->

<dependency>

<groupId>junit</groupId>

<artifactId>junit</artifactId>

<version>4.12</version>

<scope>test</scope>

</dependency>

</dependencies>

3.1.2 IDEA准备

1）配置HADOOP_HOME环境变量

2）采用hadoop编译后的bin 、lib两个文件夹（如果不生效，重新启动IDEA）

3）创建第一个java工程

public class HdfsClientDemo1 {

public static void main(String[] args) throws Exception {

// 1 获取文件系统

Configuration configuration = new Configuration();

// 配置在集群上运行

configuration.set("fs.defaultFS", "hdfs://bigdata111:9000");

FileSystem fileSystem = FileSystem.get(configuration);

// 直接配置访问集群的路径和访问集群的用户名称

　　　　　// FileSystem fileSystem = FileSystem.get(new URI("hdfs://bigdata111:9000"),configuration, "itstar");

// 2 把本地文件上传到文件系统中

fileSystem.copyFromLocalFile(new Path("f:/hello.txt"), new Path("/hello1.copy.txt"));

// 3 关闭资源

fileSystem.close();

System.out.println("over");

}

}

4）执行程序

注：eclipse运行时可能需要配置用户名称

客户端去操作hdfs时，是有一个用户身份的。默认情况下，hdfs客户端api会从jvm中获取一个参数来作为自己的用户身份：-DHADOOP_USER_NAME=itstar，itstar为用户名称。