HDFS

产生背景

当数据量越来越大，在一个操作系统存不下，需要一种系统来管理多台机器上的文件，这就是分布式文件系统，HDFS只是分布式文件系统中的一种

HDFS使用场景：适合一次写入，多次读出的场景，且不支持文件的修改，适合用来做数据分析

组成架构

NameNode

即Master，它是一个主管、管理者

1. 管理HDFS的名称空间
2. 配置副本策略
3. 管理数据块映射信息
4. 处理客户端读写请求

DataNode

即Slave，NameNode下达命令，DataNode执行实际操作

1. 存储实际的操作
2. 执行数据块的读/写操作

Client

即客户端

1. 文件切分。文件上传HDFS的时候，Client将文件切分成Block后再上传
2. 与NameNode交互，获取文件的位置信息
3. 与DataNode交互，读取或者写入数据
4. Client提供一些命令来管理HDFS，比如NameNode格式化
5. Client可以通过一些命令来访问HDFS，比如对HDFS的增删改查等

Secondary NameNode

并非热备，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，比如定期合并Fsimage和Edits，并推送给NameNode
• 在紧急情况下，可辅助恢复NameNode

优缺点

优点

• 高容错性
• 适合处理大数据
• 可构建在廉价机器上，通过多副本机制，提高可靠性

缺点

1）不适合低延时数据访问，比如毫秒级的存储数据，是做不到的

2）无法高效的对大量小文件进行存储

​ (1）存储大量小文件的话，它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的，因为NameNode的内存总是有限的;

​ (2）小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标。

3）不支持并发写入、文件随机修改

​ (1）一个文件只能有一个写，不允许多个线程同时写;

​ (2）仅支持数据append(追加)，不支持文件的随机修改。

块的大小

思考：为什么块的大小不能设置太小，也不能设置太大?

​ (1）HDFS的块设置太小，会增加寻址时间，程序一直在找块的开始位置;

​ (2）如果块设置的太大，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。导致程序在处理这块数据时，会非常慢

总结：HDFS块的大小设置主要取决于磁盘传输速率

Shell操作

基本语法：hadoop fs 具体命令 和 hdfs dfs 具体命令是一样的

大部分命令与Linux一致

上传文件

• -moveFromLocal：将文件从本地移动到HDFS

  # hadoop fs -moveFromLocal localpath hdfspath
  # 将本地的./kongming.txt文件移动到/sanguo/shuguo
  hadoop fs -moveFromLocal ./kongming.txt /sanguo/shuguo
  

• -copyFromLocal：从本地文件系统中拷贝文件到HDFS

  hadoop fs -copyFromLocal kongming.txt /
  

• -appendToFile：追加一个文件到已经存在的文件末尾

  hadoop fs -appendToFile zhuge.txt /sanguo/shuguo/zhuge.txt
  # 查看文件是否追加成功
  hadoop fs -cat /sanguo/shuguo/zhuge.txt
  

• -put：等同于copyFromLocal

  hadoop fs -put lin.txt /sanguo/shuguo/
  

下载文件

• -copyToLocal：从HDFS拷贝到本地

• -get：等同于copyToLocal，就是从HDFS下载文件到本地

• -getmerge：合并下载多个文件，比如HDFS的目录 /user/atguigu/test下有多个文件: log.1, log.2,log.3,...

  hadoop fs -getmerge /sanguo/shuguo/* ./t.txt
  

直接操作

• -mkdir ：创建目录

  #其中，-p表示递归创建多级目录
  hadoop fs -mkdir -p /sanguo/shuguo 
  

• -chgrp、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限

• -setrep：设置HDFS中文件的副本数量

  hadoop fs -setrep 10
  

  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