Hadoop3.x 之 HDFS 完整使用
- 一、HDFS 概述
- 二、HDFS组成架构
- 三、HDFS 文件块大小（面试重点）
- 四、HDFS 的 Shell 操作（开发重点）
- 五、常用命令上传与下载
- 六、HDFS 的 API 操作
一、HDFS 概述
1、HDFS 产生背景
- 随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系
统管理的磁盘中，但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这
就是分布式文件管理系统。HDFS 只是分布式文件管理系统中的一种
2、HDFS 定义
- HDFS（Hadoop Distributed File System），它是一个文件系统，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。 - HDFS 的使用场景：适合一次写入，多次读出的场景。一个文件经过创建、写入和关闭
之后就不需要改变。
3、HDFS 优点
-
1、高容错性
➢ 数据自动保存多个副本。它通过增加副本的形式，提高容错性。➢ 某一个副本丢失以后，它可以自动恢复。
-
2、 适合处理大数据
➢ 数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据➢ 文件规模：能够处理百万规模以上的文件数量，数量相当之大
-
3、可构建在廉价机器上，通过多副本机制，提高可靠性。
4、HDFS 缺点
-
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。
-
无法高效的对大量小文件进行存储。
➢ 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；
➢ 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。 -
不支持并发写入、文件随机修改。
➢ 一个文件只能有一个写，不允许多个线程同时写；
➢ 仅支持数据append（追加），不支持文件的随机修改
二、HDFS组成架构
1、HDFS组成架构
2、NameNode（nn）
NameNode（nn）就是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（Block）映射信息；
（4）处理客户端读写请求。
3、DataNode
DataNode：就是Slave。NameNode下达命令，DataNode执行实际的操作。
（1）存储实际的数据块；
（2）执行数据块的读/写操作
4、Client
Client：就是客户端
（1）文件切分。文件上传HDFS的时候,Client将文件切分成一个一个的Block,然后进行上传；
（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增删查改操作；
5、Secondary NameNode
Secondary NameNode：并非NameNode的热备。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。
（1）辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode ;
（2）在紧急情况下，可辅助恢复NameNode。
三、HDFS 文件块大小（面试重点）
1、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/3.x版本中是128M，1.x版本中是64M。
2、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。
四、HDFS 的 Shell 操作（开发重点）
1、基本语法
hadoop fs 具体命令 OR hdfs dfs 具体命令
两个是完全相同的。
2、命令大全
hadoop fs
五、常用命令上传与下载
1、HDFS上传
1. 创建文件
hadoop fs -mkdir /sanguo
2. HDFS上传(moveFromLocal)
-moveFromLocal：从本地剪切粘贴到 HDFS
[atguigu@hadoop102 hadoop-3.1.3]$ vim shuguo.txt
输入：
shuguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal ./shuguo.txt
/sanguo
3. 上传(copyFromLocal)
-copyFromLocal：从本地文件系统中拷贝文件到 HDFS 路径去
[atguigu@hadoop102 hadoop-3.1.3]$ vim weiguo.txt
输入：
weiguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal weiguo.txt
/sanguo
4. 上传(put)
-put：等同于 copyFromLocal，生产环境更习惯用 put
[atguigu@hadoop102 hadoop-3.1.3]$ vim wuguo.txt
输入：
wuguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -put ./wuguo.txt /sanguo
5. 上传(appendToFile)
-appendToFile：追加一个文件到已经存在的文件末尾
[atguigu@hadoop102 hadoop-3.1.3]$ vim liubei.txt
输入：
liubei
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile liubei.txt
/sanguo/shuguo.txt
2、HDFS下载
1、-copyToLocal：从 HDFS 拷贝到本地
从HDFS 上面的/sanguo/shuguo.txt 下载到本地当前目录
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /sanguo/shuguo.txt ./
2、-get：等同于 copyToLocal，生产环境更习惯用 get
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -get /sanguo/shuguo.txt ./shuguo2.txt
3、HDFS 直接操作
1、显示目录（-ls）
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /sanguo
Found 3 items
-rw-r--r-- 3 atguigu supergroup 14 2021-07-09 11:22 /sanguo/shuguo.txt
-rw-r--r-- 3 atguigu supergroup 7 2021-07-09 11:19 /sanguo/weiguo.txt
-rw-r--r-- 3 atguigu supergroup 7 2021-07-09 11:20 /sanguo/wuguo
2、查看文件（-cat）
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo.txt
2021-07-09 11:35:14,425 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
shuguo
liubei
3、修改权限（chown ）
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -chown atguigu:atguigu /sanguo/shuguo.txt
4、创建路径（-mkdir）
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /jinguo
5、从 HDFS 的一个路径拷贝到 HDFS 的另一个路径（-cp）
-cp：从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo.txt /jinguo
6、在 HDFS 目录中移动文件（-mv）
-mv：在 HDFS 目录中移动文件
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/wuguo.txt /jinguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/weiguo.txt /jinguo
7、显示一个文件的末尾 1kb 的数据（-tail）
-tail：显示一个文件的末尾 1kb 的数据
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /jinguo/shuguo.txt
8、删除文件或文件夹（-rm）
-rm：删除文件或文件夹
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /sanguo/shuguo.txt
9、递归删除目录及目录里面内容（-rm -r）
-rm -r：递归删除目录及目录里面内容
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /sanguo
10、统计文件夹的大小信息（-du）
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /jinguo
27 81 /jinguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -du -h /jinguo
14 42 /jinguo/shuguo.txt
7 21 /jinguo/weiguo.txt
6 18 /jinguo/wuguo.tx
说明：27 表示文件大小；81 表示 27*3 个副本；/jinguo 表示查看的目录
11、设置 HDFS 中文件的副本数量（-setrep）
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 10 /jinguo/shuguo.txt
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。