1、HDFS的概念和特性
　　它是一个文件系统，其次是分布式的
　　重要特性：
　　　　1).HDFS中的文件在物理上是分块存储（block）,新版默认128M
　　　　2).客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data
　　　　3).目录结构及文件分块信息(元数据)的管理由namenode节点承担
　　　　4).文件的各个block的存储管理由datanode节点承担
　　　　5).HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改

　　(注：适合用来做数据分析，并不适合用来做网盘应用，因为，不便修改，延迟大，网络开销大，成本太高)

2、HDFS基本操作篇
　　客户端使用 :hadoop fs -ls /
　　1、hdfs命令行客户端的命令参数
　　　　[-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 ...]]

　　参数介绍：
　　　　-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：
　　　　　　　　adoop 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>

3、概述
　　1. HDFS集群分为两大角色：NameNode、DataNode
　　2. NameNode负责管理整个文件系统的元数据
　　3. DataNode 负责管理用户的文件数据块
　　4. 文件会按照固定的大小（blocksize）切成若干块后分布式存储在若干台datanode上
　　5. 每一个文件块可以有多个副本，并存放在不同的datanode上
　　6. Datanode会定期向Namenode汇报自身所保存的文件block信息，而namenode则会负责保持文件的副本数量
　　7. HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向namenode申请来进行

4、HDFS写数据流程
　　客户端要向HDFS写数据，首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode，
　　然后，客户端按顺序将文件逐个block传递给相应datanode，并由接收到block的datanode负责向
　　其他datanode复制block的副本

　　详细步骤解析：
　　　　1、根namenode通信请求上传文件，namenode检查目标文件是否已存在，父目录是否存在
　　　　2、namenode返回是否可以上传
　　　　3、client请求第一个 block该传输到哪些datanode服务器上
　　　　4、namenode返回3个datanode服务器ABC
　　　　5、client请求3台dn中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用B，然后B调用C，将真个pipeline建立完成，逐级返回客户端
　　　　6、client开始往A上传第一个block（先从磁盘读取数据放到一个本地内存缓存），以packet为单位，A收到一个packet就会传给B，B传给C；A每传一个packet会放入一个应答队列等待应答
　　　　7、当一个block传输完成之后，client再次请求namenode上传第二个block的服务器。

5、HDFS读数据流程
　　客户端将要读取的文件路径发送给namenode，namenode获取文件的元信息（主要是block的存放位置信息）
　　返回给客户端，客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端
　　本地进行数据追加合并从而获得整个文件

　　详细步骤解析
　　　　1、跟namenode通信查询元数据，找到文件块所在的datanode服务器
　　　　2、挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流
　　　　3、datanode开始发送数据（从磁盘里面读取数据放入流，以packet为单位来做校验）
　　　　4、客户端以packet为单位接收，现在本地缓存，然后写入目标文件

6、Namenode的工作机制
　　1、NAMENODE职责
　　　　负责客户端请求的响应
　　　　元数据的管理（查询，修改）

　　2、元数据管理
　　　　namenode对数据的管理采用了三种存储形式：
　　　　内存元数据(NameSystem)
　　　　磁盘元数据镜像文件
　　　　数据操作日志文件（可通过日志运算出元数据）

　　3、元数据存储机制
　　　　A、内存中有一份完整的元数据(内存meta data)
　　　　B、磁盘有一个“准完整”的元数据镜像（fsimage）文件(在namenode的工作目录中)
　　　　C、用于衔接内存metadata和持久化元数据镜像fsimage之间的操作日志（edits文件）注：当客户端对hdfs中的文件进行新增或者修改操作，操作记录首先被记入edits日志文件中，当客户端操作成功后，相应的元数据会更新到内存meta.data中

　　4、元数据的checkpoint
　　　　每隔一段时间，会由secondary namenode将namenode上积累的所有edits和一个最新的fsimage下载到本地，
　　　　并加载到内存进行merge（这个过程称为checkpoint）

　　　　checkpoint操作的触发条件配置参数
　　　　　　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

　　checkpoint的附带作用
　　　　namenode和secondary namenode的工作目录存储结构完全相同，所以，当namenode故障退出需要
　　　　重新恢复时，可以从secondary namenode的工作目录中将fsimage拷贝到namenode的工作目录，
　　　　以恢复namenode的元数据

7、DataNode的工作机制
　　1、Datanode工作职责：
　　　　存储管理用户的文件块数据
　　　　定期向namenode汇报自身所持有的block信息（通过心跳信息上报）
　　　　（这点很重要，因为，当集群中发生某些block副本失效时，集群如何恢复block初始副本数量的问题）

　　2、Datanode掉线判断时限参数
　　　　datanode进程死亡或者网络故障造成datanode无法与namenode通信，namenode不会立即把该节点判定为死亡，
　　　　要经过一段时间，这段时间暂称作超时时长。HDFS默认的超时时长为10分钟+30秒。如果定义超时时间为timeout
　　　　，则超时时长的计算公式为：
　　　　timeout = 2 * heartbeat.recheck.interval + 10 * dfs.heartbeat.interval。

8、HDFS的java操作
　　　　hdfs在生产应用中主要是客户端的开发，其核心步骤是从hdfs提供的api中构造一个HDFS的访问客户端对象，
　　然后通过该客户端对象操作（增删改查）HDFS上的文件

　　window下开发的说明
　　建议在linux下进行hadoop应用的开发，不会存在兼容性问题。如在window上做客户端应用开发，需要设置以下环境：
　　　　A、在windows的某个目录下解压一个hadoop的安装包
　　　　B、将安装包下的lib和bin目录用对应windows版本平台编译的本地库替换
　　　　C、在window系统中配置HADOOP_HOME指向你解压的安装包
　　　　D、在windows系统的path变量中加入hadoop的bin目录

　　8.1 获取api中的客户对象
　　　　如果我们的代码中没有指定fs.defaultFS，并且工程classpath下也没有给定相应的配置，conf中的默认值
　　　　就来自于hadoop的jar包中的core-default.xml，默认值为： file:///，则获取的将不是
　　　　一个DistributedFileSystem的实例，而是一个本地文件系统的客户端对象

　　8.2 HDFS客户端操作数据
　　　　文件的增删改查