hdfs学习（一）

一、hdfs概述

介绍：

在现代的企业环境中，单机容量往往无法存储大量数据，需要跨机器存储。统一管理分布在
集群上的文件系统称为分布式文件系统 。
HDFS（Hadoop Distributed File System）是 Apache Hadoop 项目的一个子项目. Hadoop 非常
适于存储大型数据 (比如 TB 和 PB), 其就是使用 HDFS 作为存储系统. HDFS 使用多台计算机存
储文件, 并且提供统一的访问接口, 像是访问一个普通文件系统一样使用分布式文件系统.

应用场景：

适合的应用场景：

• 存储非常大的文件：这里非常大指的是几百M、G、或者TB级别，需要高吞吐量，对延时没有要求。
• 采用流式的数据访问方式: 即一次写入、多次读取，数据集经常从数据源生成或者拷贝一次，然后在其上做很多分析工作 。运行于商业硬件上: Hadoop不需要特别贵的机器，可运行于普通廉价机器，可以处节约成本
• 需要高容错性
• 为数据存储提供所需的扩展能力

不适合的场景：

1） 低延时的数据访问 对延时要求在毫秒级别的应用，不适合采用HDFS。HDFS是为高吞吐数
据传输设计的,因此可能牺牲延时
2）大量小文件 文件的元数据保存在NameNode的内存中， 整个文件系统的文件数量会受限
于NameNode的内存大小。 经验而言，一个文件/目录/文件块一般占有150字节的元数据内存
空间。如果有100万个文件，每个文件占用1个文件块，则需要大约300M的内存。因此十亿级
别的文件数量在现有商用机器上难以支持。
3）多方读写，需要任意的文件修改 HDFS采用追加（append-only）的方式写入数据。不支持
文件任意o?set的修改。不支持多个写入器（writer）

HDFS架构

HDFS是一个 主/从（Mater/Slave）体系结构 ，
HDFS由四部分组成，HDFS Client、NameNod e、DataNode和Secondary NameNode。

1、Client：就是客户端。
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，然后进行存
储。
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 和访问HDFS，比如启动或者关闭HDFS。
2、NameNode：就是 master，它是一个主管、管理者。
管理 HDFS 的名称空间
管理数据块（Block）映射信息
配置副本策略
处理客户端读写请求。
3、DataNode：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。
4、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。
定期合并 fsimage和fsedits，并推送给NameNode。
在紧急情况下，可辅助恢复 NameNode。

NameNode和DataNode

①NameNode在内存中保存着整个文件系统的名称 空间和文件数据块的地址映射
整个HDFS可存储的文件数受限于NameNode的内存大小
1、NameNode元数据信息 文件名，文件目录结构，文件属性(生成时间，副本数，权限)每个
文件的块列表。 以及列表中的块与块所在的DataNode之间的地址映射关系 在内存中加载文件
系统中每个文件和每个数据块的引用关系(文件、block、datanode之间的映射信息) 数据会定
期保存到本地磁盘（fsImage文件和edits文件）
2、NameNode文件操作 NameNode负责文件元数据的操作 DataNode负责处理文件内容的读写
请求，数据流不经过NameNode，会询问它跟那个DataNode联系
3、NameNode副本 文件数据块到底存放到哪些DataNode上，是由NameNode决定的，NN根
据全局情况做出放置副本的决定
4、NameNode心跳机制 全权管理数据块的复制，周期性的接受心跳和块的状态报告信息（包
含该DataNode上所有数据块的列表） 若接受到心跳信息，NameNode认为DataNode工作正
常，如果在10分钟后还接受到不到DN的心跳，那么NameNode认为DataNode已经宕机 ,这时候
NN准备要把DN上的数据块进行重新的复制。 块的状态报告包含了一个DN上所有数据块的列
表，blocks report 每个1小时发送一次.

②DataNode作用
提供真实文件数据的存储服务。
1、Data Node以数据块的形式存储HDFS文件
2、Data Node 响应HDFS 客户端读写请求
3、Data Node 周期性向NameNode汇报心跳信息
4、Data Node 周期性向NameNode汇报数据块信息
5、Data Node 周期性向NameNode汇报缓存数据块信息

二、HDFS命令行使用

①ls

格式： hdfs dfs -ls URI
作用：类似于Linux的ls命令，显示文件列表

②ls -R

格式 :  hdfs dfs -ls -R URI
作用 : 在整个目录下递归执行ls, 与UNIX中的ls-R类似

③mkdir

格式 ： hdfs dfs [-p] -mkdir <paths>
作用 :  以<paths>中的URI作为参数，创建目录。使用-p参数可以递归创建目录

④put

格式  ： hdfs dfs -put <localsrc > ... <dst>

作用 ： 将单个的源文件src或者多个源文件srcs从本地文件系统拷贝到目标文件系统中（<dst>对应的路径）。也可以从标准输入中读取输入，写入目标文件系统中

⑤moveFromLocal

格式： hdfs dfs -moveFromLocal <localsrc>  <dst>
作用:  和put命令类似，但是源文件localsrc拷贝之后自身被删除。相当于将本地的文件剪切到HDFS里

⑥get

格式  hdfs dfs  -get [-ignorecrc ] [-crc] <src> <localdst>
作用：将文件拷贝到本地文件系统。 CRC 校验失败的文件通过-ignorecrc选项拷贝。 文件和CRC
校验和可以通过-CRC选项拷贝

⑦mv

格式 ： hdfs dfs -mv URI  <dest>
作用： 将hdfs上的文件从原路径移动到目标路径（移动之后文件删除），该命令不能夸文件系统。相当于在HDFS上文件的移动

⑧rm

格式： hdfs dfs -rm [-r] 【-skipTrash】 URI 【URI 。。。】
作用：  删除参数指定的文件，参数可以有多个。  此命令只删除文件和非空目录。
如果指定-skipTrash选项，那么在回收站可用的情况下，该选项将跳过回收站而直接删除文件；
否则，在回收站可用时，在HDFS Shell 中执行此命令，会将文件暂时放到回收站中。

⑨cp

格式:    hdfs dfs -cp URI [URI ...] <dest>
作用：   将文件拷贝到目标路径中。如果<dest> 为目录的话，可以将多个文件拷贝到该目录
下。
-f
选项将覆盖目标，如果它已经存在。
-p
选项将保留文件属性（时间戳、所有权、许可、ACL、XAttr）。

⑩cat

hdfs dfs  -cat URI [uri ...]
作用：将参数所指示的文件内容输出到stdout

11、chmod

格式:     hdfs  dfs -chmod [-R] URI[URI ...]
作用：   改变文件权限。如果使用 -R 选项，则对整个目录有效递归执行。使用这一命令的用户
必须是文件的所属用户，或者超级用户。

递归修改

12、chown

格式:     hdfs  dfs -chmod [-R] URI[URI ...]
作用：   改变文件的所属用户和用户组。如果使用 -R 选项，则对整个目录有效递归执行。使用
这一命令的用户必须是文件的所属用户，或者超级用户。

13、appendToFile

格式: hdfs dfs -appendToFile <localsrc> ... <dst>
作用: 追加一个或者多个文件到hdfs指定文件中.也可以从命令行读取输入.