HDFS基础入门

HDFS简介

HDFS（全称：Hadoop Distribute File System）分布式文件系统，是Hadoop核心组成。

HDFS中的重要概念

分块存储

HDFS中的文件在物理上是分块存储的，块的大小可以通过配置参数来规定；Hadoop2.x版本默认的block大小是128M

命名空间

HDFS支持传统的层次性文件组织结构。用户或者应用程序可以创建目录，然后将文件保存在这些目录里。文件系统名字空间的层次结构和大多数现有的文件系统类似：用户可以创建、删除、移动或重命名这些文件。

NameNode负责维护文件系统的名字空间，任何对文件系统名字空间或属性的修改都被NameNode记录下来。

NameNode元数据

我们把目录结构及文件分块位置信息叫做元数据。NameNode的元数据记录每一个文件对应的block信息。

DataNode数据存储

文件的各个block的具体存储管理由DataNode负责。一个block会有多个DataNode来存储，DataNode会定时向NameNode来汇报自己持有的block信息。

副本机制

为了容错，文件的所有block都会有副本。每隔文件的block大小和副本数都是可配置的。副本数默认是3个。

一次写入，多次读出

HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的随机修改。正因为如此，HDFS适合用来做大数据分析的底层存储服务，而不适合做网盘等应用。（修改不方便，延迟大）

HDFS架构

• NameNode：Hdfs集群的管理者

  • 维护管理Hdfs的名称空间
  • 维护副本策略
  • 记录文件块的映射关系
  • 负责处理客户端读写请求

• DataNode：NameNode下达命令，DataNode执行实际操作

  • 保存实际的数据块
  • 负责数据块的读写

• Client：客户端

  • 上传文件到HDFS的时候，Client负责将文件切分成Block，然后进行上传
  • 请求NameNode交互，获取文件的位置信息
  • 读取或写入文件，与DataNode交互
  • Client可以使用一些命令来管理HDFS或者访问HDFS

写数据流程：

HDFS客户端操作

Shell客户端

1. 查看所有命令

hadoop fs

1. 查看命令帮助

#查看rm的帮助信息
hadoop fs -help rm

1. 显示目录信息

hadoop fs -ls /

1. 创建目录

hadoop fs -mkdir -p /test/data

1. 从本地剪切到HDFS

hadoop fs -moveFromLocal ./word.txt /test/data

1. 追加文件内容到指定文件

 hadoop fs -appendToFile test.txt /test/data/word.txt

1. 显示文件内容

hadoop fs -cat /test/data/word.txt

1. 修改文件所属权限

hadoop fs -chmod 666 /test/data/word.txt
 hadoop fs -chown root:root /test/data/word.txt

1. 从本地文件系统拷贝文件到HDFS路径去

hadoop fs -copyFromLocal test.txt /test

1. 从HDFS拷贝到本地

hadoop fs -copyToLocal /test/data/word.txt /opt

1. 从HDFS的一个路径拷贝到HDFS的另一个路径

hadoop fs -cp /test/data/word.txt /test/input/t.txt

1. 在HDFS目录中移动文件

hadoop fs -mv /test/input/t.txt /

1. 从HDFS中下载文件，等同于copyToLocal

hadoop fs -get /t.txt ./

1. 从本地上传文件到HDFS，等同于copyFromLocal

hadoop fs -put ./yarn.txt /user/root/test/

1. 显示一个文件的末尾

hadoop fs -tail /t.txt

1. 删除文件或文件夹

hadoop fs -rm /t.txt

1. 删除空目录

hadoop fs -rmdir /test

1. 统计文件夹的大小信息

hadoop fs -du -s -h /test
hadoop fs -du -h /test

1. 设置HDFS的副本数量

hadoop fs -setrep 10 /lagou/bigdata/hadoop.txt

注意：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.

Java客户端

环境准备

1. 将Hadoop安装包解压到非中文路径
2. 配置环境变量
   
   
   
   
3. 依赖导入

<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-common</artifactId>
    <version>${hadoop-version}</version>
</dependency>
<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-client</artifactId>
    <version>${hadoop-version}</version>
</dependency>
<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-hdfs</artifactId>
    <version>${hadoop-version}</version>
</dependency>

1. 配置文件（可选步骤）

将hdfs-site.xml（内容如下）拷贝到项目的resources下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

参数优先级排序：（1）代码中设置的值 >（2）用户自定义配置文件 >（3）服务器的默认配置

HDFS Java API

1. 上传文件

@Test
    public void testCopyFromLocalFile() throws Exception{
        Configuration conf = new Configuration();
        FileSystem fs=FileSystem.get(new URI("hdfs://192.168.56.103:9000"),conf,"root");
        fs.copyFromLocalFile(new Path("e://aa.txt"),new Path("/cc.txt"));
        fs.close();
    }

为了方便，下面的示例就隐藏构建FileSystem的过程

1. 下载文件

 @Test
    public void testCopyToLocalFile() throws Exception{
     fs.copyToLocalFile(false,new Path("/aa.txt"),new Path("e://cd.txt"),true);
    }

1. 删除文件

@Test
  public void testDelete() throws Exception{
      fs.delete(new Path("/aa.txt"),true);
  }

1. 查看文件名称、权限、长度、块信息等

public void testList() throws IOException {
        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
        while (listFiles.hasNext()){
            LocatedFileStatus status = listFiles.next();
            //文件名称
            System.out.println(status.getPath().getName());
            System.out.println(status.getLen());
            System.out.println(status.getPermission());
            System.out.println(status.getGroup());

            BlockLocation[] blockLocations = status.getBlockLocations();
            Stream.of(blockLocations).forEach(
                    block->{
                        String[] hosts = new String[0];
                        try {
                            hosts = block.getHosts();
                        } catch (IOException e) {
                            e.printStackTrace();
                        }
                        System.out.println(Arrays.asList(hosts));
                    }
            );
            System.out.println("-----------华丽的分割线----------");
        }
    }

1. 文件夹判断

@Test
    public void testListStatus() throws IOException {
        FileStatus[] fileStatuses = fs.listStatus(new Path("/"));
        Stream.of(fileStatuses).forEach(fileStatus -> {
            String name = fileStatus.isFile() ? "文件：" + fileStatus.getPath().getName() : "文件夹："+fileStatus.getPath().getName();
            System.out.println(name);
        });
    }

1. 通过I/O流操作HDFS

• IO流上传文件

@Test
    public void testIOUpload() throws IOException {
        FileInputStream fis = new FileInputStream(new File("e://11.txt"));
        FSDataOutputStream fos = fs.create(new Path("/io_upload.txt"));
        IOUtils.copyBytes(fis,fos,new Configuration());

        IOUtils.closeStream(fis);
        IOUtils.closeStream(fos);
    }

• IO流下载文件

@Test
    public void testDownload() throws IOException{
        FSDataInputStream fis = fs.open(new Path("/io_upload.txt"));
        FileOutputStream fos = new FileOutputStream(new File("e://11_copy.txt"));
        IOUtils.copyBytes(fis,fos,new Configuration());

        IOUtils.closeStream(fis);
        IOUtils.closeStream(fos);

    }

1. seek定位读取

@Test
    public void readFileSeek() throws IOException{
        FSDataInputStream fis = fs.open(new Path("/io_upload.txt"));
        IOUtils.copyBytes(fis,System.out,1024,false);
        //从头再次读取
        fis.seek(0);
        IOUtils.copyBytes(fis,System.out,1024,false);

        IOUtils.closeStream(fis);
    }

HDFS文件权限问题

HDFS的文件权限和linux系统的文件权限机制类似。如果在linux系统中root用户使用hadoop命令创建了一个文件，那么该文件的owner就是root。



当出现权限问题时，解决方法有如下几种：

• 获取FileSystem对象时指定有权限的用户
• 关闭HDFS权限校验，修改hdfs-site.xml

#添加如下属性
<property>
    <name>dfs.permissions</name>
    <value>true</value>
</property>

• 直接修改HDFS的文件或目录权限为777，允许所有用户操作

hadoop fs -chmod -R 777 /