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。

 

posted @ 2019-08-09 10:58  走天涯  阅读(165)  评论(0编辑  收藏