Hadoop HDFS

分布式文件系统DFS简介

HDFS的系统组成介绍

HDFS的组成部分详解

副本存放策略及路由规则

命令行接口

Java接口

客户端与HDFS的数据流讲解

[-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 ...]]

-help

功能：输出这个命令参数手册

-ls                 

功能：显示目录信息

示例： hadoop fs -ls hdfs://hadoop-server01:9000/

备注：这些参数中，所有的hdfs路径都可以简写

-->hadoop fs -ls /   等同于上一条命令的效果

-mkdir             

功能：在hdfs上创建目录

示例：hadoop fs  -mkdir  -p  /aaa/bbb/cc/dd

-moveFromLocal           

功能：从本地剪切粘贴到hdfs

示例：hadoop  fs  - moveFromLocal  /home/hadoop/a.txt  /aaa/bbb/cc/dd

-moveToLocal             

功能：从hdfs剪切粘贴到本地

示例：hadoop  fs  - moveToLocal   /aaa/bbb/cc/dd  /home/hadoop/a.txt

--appendToFile 

功能：追加一个文件到已经存在的文件末尾

示例：hadoop  fs  -appendToFile  ./hello.txt  hdfs://hadoop-server01:9000/hello.txt

可以简写为：

Hadoop  fs  -appendToFile  ./hello.txt  /hello.txt

-cat 

功能：显示文件内容 

示例：hadoop fs -cat  /hello.txt

-tail                

功能：显示一个文件的末尾

示例：hadoop  fs  -tail  /weblog/access_log.1

-text                 

功能：以字符形式打印一个文件的内容

示例：hadoop  fs  -text  /weblog/access_log.1

-chgrp

-chmod

-chown

功能：linux文件系统中的用法一样，对文件所属权限

示例：

hadoop  fs  -chmod  666  /hello.txt

hadoop  fs  -chown  someuser:somegrp   /hello.txt

-copyFromLocal   

功能：从本地文件系统中拷贝文件到hdfs路径去

示例：hadoop  fs  -copyFromLocal  ./jdk.tar.gz  /aaa/

-copyToLocal     

功能：从hdfs拷贝到本地

示例：hadoop fs -copyToLocal /aaa/jdk.tar.gz

-cp             

功能：从hdfs的一个路径拷贝hdfs的另一个路径

示例： hadoop  fs  -cp  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

-mv                    

功能：在hdfs目录中移动文件

示例： hadoop  fs  -mv  /aaa/jdk.tar.gz  /

-get             

功能：等同于copyToLocal，就是从hdfs下载文件到本地

示例：hadoop fs -get  /aaa/jdk.tar.gz

-getmerge            

功能：合并下载多个文件

示例：比如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,...

hadoop fs -getmerge /aaa/log.* ./log.sum

-put               

功能：等同于copyFromLocal

示例：hadoop  fs  -put  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

-rm               

功能：删除文件或文件夹

示例：hadoop fs -rm -r /aaa/bbb/

-rmdir                

功能：删除空目录

示例：hadoop  fs  -rmdir   /aaa/bbb/ccc

-df              

功能：统计文件系统的可用空间信息

示例：hadoop  fs  -df  -h  /

-du

功能：统计文件夹的大小信息

示例：

hadoop  fs  -du  -s  -h /aaa/*

-count        

功能：统计一个指定目录下的文件节点数量

示例：hadoop fs -count /aaa/

-setrep               

功能：设置hdfs中文件的副本数量

示例：hadoop fs -setrep 3 /aaa/jdk.tar.gz

<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>

dfs.namenode.checkpoint.check.period=60  #检查触发条件是否满足的频率，60秒

dfs.namenode.checkpoint.dir=file://${hadoop.tmp.dir}/dfs/namesecondary

#以上两个参数做checkpoint操作时，secondary namenode的本地工作目录

dfs.namenode.checkpoint.edits.dir=${dfs.namenode.checkpoint.dir}

dfs.namenode.checkpoint.max-retries=3  #最大重试次数

dfs.namenode.checkpoint.period=3600  #两次checkpoint之间的时间间隔3600秒

dfs.namenode.checkpoint.txns=1000000 #两次checkpoint之间最大的操作记录

<property>

<name>dfs.blockreport.intervalMsec</name>

<value>3600000</value>

<description>Determines block reporting interval in milliseconds.</description>

</property>

<property>

<name>heartbeat.recheck.interval</name>

<value>2000</value>

</property>

<property>

<name>dfs.heartbeat.interval</name>

<value>1</value>

</property>

Configuration conf = new Configuration()

FileSystem fs = FileSystem.get(conf)

public class HdfsClient {

FileSystem fs = null;

@Before

public void init() throws Exception {

// 构造一个配置参数对象，设置一个参数：我们要访问的hdfs的URI

// 从而FileSystem.get()方法就知道应该是去构造一个访问hdfs文件系统的客户端，以及hdfs的访问地址

// new Configuration();的时候，它就会去加载jar包中的hdfs-default.xml

// 然后再加载classpath下的hdfs-site.xml

Configuration conf = new Configuration();

conf.set("fs.defaultFS", "hdfs://hdp-node01:9000");

/**

* 参数优先级： 1、客户端代码中设置的值 2、classpath下的用户自定义配置文件 3、然后是服务器的默认配置

*/

conf.set("dfs.replication", "3");

// 获取一个hdfs的访问客户端，根据参数，这个实例应该是DistributedFileSystem的实例

// fs = FileSystem.get(conf);

// 如果这样去获取，那conf里面就可以不要配"fs.defaultFS"参数，而且，这个客户端的身份标识已经是hadoop用户

fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");

}

/**

* 往hdfs上传文件

*

* @throws Exception

*/

@Test

public void testAddFileToHdfs() throws Exception {

// 要上传的文件所在的本地路径

Path src = new Path("g:/redis-recommend.zip");

// 要上传到hdfs的目标路径

Path dst = new Path("/aaa");

fs.copyFromLocalFile(src, dst);

fs.close();

}

/**

* 从hdfs中复制文件到本地文件系统

*

* @throws IOException

* @throws IllegalArgumentException

*/

@Test

public void testDownloadFileToLocal() throws IllegalArgumentException, IOException {

fs.copyToLocalFile(new Path("/jdk-7u65-linux-i586.tar.gz"), new Path("d:/"));

fs.close();

}

@Test

public void testMkdirAndDeleteAndRename() throws IllegalArgumentException, IOException {

// 创建目录

fs.mkdirs(new Path("/a1/b1/c1"));

// 删除文件夹 ，如果是非空文件夹，参数2必须给值true

fs.delete(new Path("/aaa"), true);

// 重命名文件或文件夹

fs.rename(new Path("/a1"), new Path("/a2"));

}

/**

* 查看目录信息，只显示文件

*

* @throws IOException

* @throws IllegalArgumentException

* @throws FileNotFoundException

*/

@Test

public void testListFiles() throws FileNotFoundException, IllegalArgumentException, IOException {

// 思考：为什么返回迭代器，而不是List之类的容器

RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);

while (listFiles.hasNext()) {

LocatedFileStatus fileStatus = listFiles.next();

System.out.println(fileStatus.getPath().getName());

System.out.println(fileStatus.getBlockSize());

System.out.println(fileStatus.getPermission());

System.out.println(fileStatus.getLen());

BlockLocation[] blockLocations = fileStatus.getBlockLocations();

for (BlockLocation bl : blockLocations) {

System.out.println("block-length:" + bl.getLength() + "--" + "block-offset:" + bl.getOffset());

String[] hosts = bl.getHosts();

for (String host : hosts) {

System.out.println(host);

}

}

System.out.println("--------------为angelababy打印的分割线--------------");

}

}

/**

* 查看文件及文件夹信息

*

* @throws IOException

* @throws IllegalArgumentException

* @throws FileNotFoundException

*/

@Test

public void testListAll() throws FileNotFoundException, IllegalArgumentException, IOException {

FileStatus[] listStatus = fs.listStatus(new Path("/"));

String flag = "d--             ";

for (FileStatus fstatus : listStatus) {

if (fstatus.isFile())  flag = "f--         ";

System.out.println(flag + fstatus.getPath().getName());

}

}

}

/**

 * 相对那些封装好的方法而言的更底层一些的操作方式

 * 上层那些mapreduce   spark等运算框架，去hdfs中获取数据的时候，就是调的这种底层的api

 * @author

 *

 */

public class StreamAccess {

         FileSystem fs = null;

         @Before

         public void init() throws Exception {

                   Configuration conf = new Configuration();

                   fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");

         }

         @Test

         public void testDownLoadFileToLocal() throws IllegalArgumentException, IOException{

                   //先获取一个文件的输入流----针对hdfs上的

                   FSDataInputStream in = fs.open(new Path("/jdk-7u65-linux-i586.tar.gz"));

                   //再构造一个文件的输出流----针对本地的

                   FileOutputStream out = new FileOutputStream(new File("c:/jdk.tar.gz"));

                   //再将输入流中数据传输到输出流

                   IOUtils.copyBytes(in, out, 4096);

         }

         /**

          * hdfs支持随机定位进行文件读取，而且可以方便地读取指定长度

          * 用于上层分布式运算框架并发处理数据

          * @throws IllegalArgumentException

          * @throws IOException

          */

         @Test

         public void testRandomAccess() throws IllegalArgumentException, IOException{

                   //先获取一个文件的输入流----针对hdfs上的

                   FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));

                   //可以将流的起始偏移量进行自定义

                   in.seek(22);

                   //再构造一个文件的输出流----针对本地的

                   FileOutputStream out = new FileOutputStream(new File("c:/iloveyou.line.2.txt"));

                   IOUtils.copyBytes(in,out,19L,true);   

         }

         /**

          * 显示hdfs上文件的内容

          * @throws IOException

          * @throws IllegalArgumentException

          */

         @Test

         public void testCat() throws IllegalArgumentException, IOException{

                   FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));

                   IOUtils.copyBytes(in, System.out, 1024);

         }

}

         @Test

         public void testCat() throws IllegalArgumentException, IOException{

                   FSDataInputStream in = fs.open(new Path("/weblog/input/access.log.10"));

                   //拿到文件信息

                   FileStatus[] listStatus = fs.listStatus(new Path("/weblog/input/access.log.10"));

                   //获取这个文件的所有block的信息

                   BlockLocation[] fileBlockLocations = fs.getFileBlockLocations(listStatus[0], 0L, listStatus[0].getLen());

                   //第一个block的长度

                   long length = fileBlockLocations[0].getLength();

                   //第一个block的起始偏移量

                   long offset = fileBlockLocations[0].getOffset();

                   System.out.println(length);

                   System.out.println(offset);

                   //获取第一个block写入输出流

//               IOUtils.copyBytes(in, System.out, (int)length);

                   byte[] b = new byte[4096];

                   FileOutputStream os = new FileOutputStream(new File("d:/block0"));

                   while(in.read(offset, b, 0, 4096)!=-1){

                            os.write(b);

                            offset += 4096;

                            if(offset>=length) return;

                   };

                   os.flush();

                   os.close();

                   in.close();

         }

         log4j.logger.msg=info,msg

log4j.appender.msg=cn.maoxiangyi.MyRollingFileAppender

log4j.appender.msg.layout=org.apache.log4j.PatternLayout

log4j.appender.msg.layout.ConversionPattern=%m%n

log4j.appender.msg.datePattern='.'yyyy-MM-dd

log4j.appender.msg.Threshold=info

log4j.appender.msg.append=true

log4j.appender.msg.encoding=UTF-8

log4j.appender.msg.MaxBackupIndex=100

log4j.appender.msg.MaxFileSize=10GB

log4j.appender.msg.File=/home/hadoop/logs/log/access.log