Fork me on GitHub

大数据【二】HDFS部署及文件读写(包含eclipse hadoop配置)

一  原理阐述

1'  DFS

    分布式文件系统(即DFS,Distributed File System),指文件系统管理的物理存储资源不一定直接连接在本地节点上,而是通过计算机网络与节点相连。该系统架构于网络之上,势必会引入网络编程的复杂性,因此分布式文件系统比普通磁盘文件系统更为复杂。

2'  HDFS

    借此,关于GFS和HDFS的区别与联系查看 我于博客园找到的前辈的博客>>http://www.cnblogs.com/liango/p/7136448.html

    HDFS(Hadoop Distributed File System)为大数据平台其它所有组件提供了最基本的存储功能。

    特征:高容错、高可靠、可扩展、高吞吐率等,为大数据存储和处理提供了强大的底层存储架构。

    HDFS是一个主/从(master/slave)体系结构,从最终用户的角度来看,它就像传统的文件系统,可通过目录路径对文件执行CRUD操作。由于其分布式存储的性质,HDFS集群拥有一个NameNode和一些DataNodes,NameNode管理文件系统的元数据,DataNode存储实际的数据。

    HDFS开放文件系统的命名空间以便用户以文件形式存储数据,秉承“一次写入、多次读取”的原则。客户端通过NameNode和DataNodes的交互访问文件系统,联系NameNode以获取文件的元数据,而真正的文件I/O操作是直接和DataNode进行交互的。

3‘  适用场景

  HDFS 提供高吞吐量应用程序数据访问功能,适合带有大型数据集的应用程序,以下是一些常用的应用场景:

      数据密集型并行计算:数据量极大,但是计算相对简单的并行处理,如大规模Web信息搜索;

      计算密集型并行计算:数据量相对不是很大,但是计算较为复杂的并行计算,如3D建模与渲染、气象预报和科学计算;

      数据密集与计算密集混合型的并行计算,如3D电影的渲染。

  HDFS在使用过程中有以下限制:

      HDFS不适合大量小文件的存储,因NameNode将文件系统的元数据存放在内存中,因此存储的文件数目受限于NameNode的内存大小;

      HDFS适用于高吞吐量,而不适合低时间延迟的访问;

      流式读取的方式,不适合多用户写入一个文件(一个文件同时只能被一个客户端写),以及任意位置写入(不支持随机写);

      HDFS更加适合写入一次,读取多次的应用场景。

3’  基本命令

    格式:  hadoop fs -cmd args  其中,cmd为具体的操作,args为参数

    常用命令:

        hadoop fs -mkdir /user/trunk          #建立目录/user/trunk

        hadoop fs -ls /user                  #查看/user目录下的目录和文件

        hadoop fs -lsr /user                 #递归查看/user目录下的目录和文件

        hadoop fs -put test.txt /user/trunk      #上传test.txt文件至/user/trunk

        hadoop fs -get /user/trunk/test.txt      #获取/user/trunk/test.txt文件

        hadoop fs -cat /user/trunk/test.txt      #查看/user/trunk/test.txt文件内容

        hadoop fs -tail /user/trunk/test.txt      #查看/user/trunk/test.txt文件的最后1000行

        hadoop fs -rm /user/trunk/test.txt       #删除/user/trunk/test.txt文件

        hadoop fs -help ls                   #查看ls命令的帮助文档

二  HDFS部署      

主要步骤如下:

1. 配置Hadoop的安装环境;

2. 配置Hadoop的配置文件;

3. 启动HDFS服务;

4. 验证HDFS服务可用。

1‘  查看是否存在hadoop安装目录   ls  /usr/cstor/hadoop  如果没有,利用工具从本地导入hadoop安装文件。

        

   查看jdk是否存在,如果没有同上方法导入

        

2’  确认集群服务器之间可SSH免密登录

      使用ssh工具登录到每一台服务器,执行命令ssh 主机名,确认每台集群服务器均可SSH免密登录。方法查看我的博客 >> http://www.cnblogs.com/1996swg/p/7270728.html

3‘  查看hadoop_env.sh 文件,此文件只需修改JAVA_HOME

      用vim编辑器修改此文件,将export JAVA_HOME=${JAVA_HOME}改为jdk的目录,例如在我的电脑上是export JAVA_HOME=/usr/local/jdk1.7.0_79/

4’  指定HDFS主节点

      此处需要配置文件  core-site.xml  ,查看该文件,并<configuration></configuration>标签之间修改如图所示的配置:

      

5‘  拷贝该配置到集群其他子集上,首先查看你的集群所有子集

      

    输入命令  for  x  in  `cat  ~/data/2/machines` ; do  echo  $x ; scp  -r  /usr/cstor/hadoop/etc  $x:/usr/cstor/hadoop  ; done;  实现拷贝

6’  启动HDFS节点

      首先在master服务器上格式化主节点   hdfs  namenode  -format

      其次配置slaves文件,将localhost修改为slave1~3;   

      最后在hadoop安装目录下统一启动HDFS;

      用jps  命令在各个子集检验是否启动节点成功;

        

7‘  hdfs配置成功后可以在client上向HDFS上传文件:

        

 

三   读写HDFS文件

1’   配置client服务器classpath

     (1) 使用ssh工具登录client服务器,执行命令vi /etc/profile,编辑该文件。Linux 中/etc/profile文件的改变会涉及到系统的环境,也就是有关Linux环境变量。

      修改设置Classpath的目的,在于告诉Java执行环境,在哪些目录下可以找到您所要执行的Java程序(.class文件)。

      将末尾的如下几行:

JAVA_HOME=/usr/local/jdk1.7.0_79/

export JRE_HOME=/usr/local/jdk1.7.0_79//jre

export PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin

export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib

export HADOOP_HOME=/usr/cstor/hadoop

export PATH=$PATH:$HADOOP_HOME/bin

export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"

      用下列行进行替换(注意路径不同自行修改):

JAVA_HOME=/usr/local/jdk1.7.0_79/

export HADOOP_HOME=/usr/cstor/hadoop

export JRE_HOME=/usr/local/jdk1.7.0_79//jre

export PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin

export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$HADOOP_HOME/share/hadoop/common/*:$HADOOP_HOME/share/hadoop/common/lib/*

export PATH=$PATH:$HADOOP_HOME/bin

export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib:$HADOOP_HOME/lib/native"

   (2) 执行命令source /etc/profile,使刚才的环境变量修改生效;

 

2’  在client服务器编写HDFS写程序

      (1)在client服务器上执行命令vi WriteFile.java,编写HDFS写文件程序:

 1 import org.apache.hadoop.conf.Configuration;
 2 import org.apache.hadoop.fs.FSDataOutputStream;
 3 import org.apache.hadoop.fs.FileSystem;
 4 import org.apache.hadoop.fs.Path;
 5 public class WriteFile {
 6 public static void main(String[] args)throws Exception{
 7 Configuration conf=new Configuration();
 8 FileSystem hdfs = FileSystem.get(conf); 
 9 Path dfs = new Path("/weather.txt"); 
10 FSDataOutputStream outputStream = hdfs.create(dfs); 
11 outputStream.writeUTF("nj 20161009 23\n");
12 outputStream.close();
13 }
14 }
WriteFile.java

 

      (2)编译并打包HDFS写程序

        使用javac编译刚刚编写的代码,并使用jar命令打包为hdpAction.jar

        

      (3)执行HDFS写程序

          在client服务器上使用hadoop jar命令执行hdpAction.jar

        

          查看是否已生成weather.txt文件,若已生成,则查看文件内容是否正确:

        

 

 3‘  在client服务器编写HDFS读程序

       (1)在client服务器上执行命令vi ReadFile.java,编写HDFS读WriteFile.txt文件程序: 

 1 import java.io.IOException;
 2  
 3 import org.apache.Hadoop.conf.Configuration;
 4 import org.apache.Hadoop.fs.FSDataInputStream;
 5 import org.apache.Hadoop.fs.FileSystem;
 6 import org.apache.Hadoop.fs.Path;
 7  
 8 public class ReadFile {
 9   public static void main(String[] args) throws IOException {
10     Configuration conf = new Configuration();
11     Path inFile = new Path("/weather.txt"); //读取WriteFile.txt文件   
12     FileSystem hdfs = FileSystem.get(conf);
13     FSDataInputStream inputStream = hdfs.open(inFile);
14     System.out.println("myfile: " + inputStream.readUTF());
15     inputStream.close();
16   }
17 }
ReadFile.java

        (2)编译文件并打包,然后执行;

       

 

四  配置eclipase  Hadoop插件并进行打包上传

1’  首先下载eclipse hadoop插件,解压为jar文件,将其放置在eclipse文件位置的plugins文件夹下,例如D:\eclipse-standard-kepler-SR2-win32\eclipse\plugins

2‘  配置本地的hadoop环境,需下载hadoop组件(到阿帕奇下吧^_^,http://hadoop.apache.org/,解压为

3'  打开eclipase新建project查看是否已经有Map/Reduce Project的选项。第一次新建Map/Reduce项目时,需要指定hadoop解压后的位置(即第二部组件解压的位置),在新建时项目填写界面右中间有hadoop的路径填写;

4’  编写java文件,例如上述的ReadFile.java

5‘  打包成jar文件,右击项目的export的jar file,然后选择所需的文件打包成jar文件,(此步骤是重点)

    >>>>>>>>>>>>

6’  使用WinSCP、XManager或其它SSH工具的sftp工具上传刚刚生成的hdpAction.jar包至client服务器(我用的是工具),并在client服务器上使用hadoop jar命令执行hdpAction.jar,查看程序运行结果。

    

   >运行该jar文件  hadoop jar ~/hdpAction.jar ReadFile
      

 

总结:

  对于HDFS文件读写的学习,很基础同时也很重要,在后面关于yarn,mapreduce等的学习都要基于此处之上才能逐步了解。

  只有一种失败就是半途而废。所以每天的学习会逐步积累,潜移默化。

  

    

    

 

      

 

 

         

 

   

 

 

        

 

 

posted @ 2017-08-05 18:54  sunwengang  阅读(1352)  评论(0编辑  收藏