1.1 概念
HDFS(Hadoop Distributed File System(分佈式文件系統) )它是一個文件系統,用於存儲文件,通過目錄樹來定位文件;其次,它是分佈式的,由很多服務器聯合起來實現其功能,集羣中的服務器有各自的角色。HDFS的設計適合一次寫入,多次讀出的場景,且不支持文件的修改。適合用來做數據分析,並不適合用來做網盤應用。
面對大規模的數據,HDFS 在設計上滿足了以下目標:
高度容錯性:HDFS 可能由成百上千的服務器構成,任何一個組件都可能失效,因此錯誤檢測和快速、自動的恢復時 HDFS 最核心的架構目標。
支持大規模數據集:運行在 HDFS 應用具有很大的數據集,它應該能提供整體上高的數據傳輸帶寬,並能支撐數以千萬計的文件。
支持流式讀取數據:HDFS 的設計更多的考慮到了數據批處理,而不是用戶交互處理,比之數據訪問延遲的問題,更關鍵的是數據訪問的高吞吐量。
簡單的一致性模型:“一次寫入多次讀取”的文件訪問模型簡化了數據一致性的問題,並且是高吞吐量稱爲可能。
移動計算而非移動數據:一個應用的請求,離它操作的數據越近就越高效,HDFS 提供了將它們自己移動到數據附近的接口。
異構軟硬件平臺間的可移植性:平臺的可移植性,方便用戶也方便 HDFS 作爲大規模數據應用平臺的推廣。
1.2 組成
1)HDFS集羣包括,NameNode和DataNode以及Secondary Namenode。
2)NameNode負責管理整個文件系統的元數據,以及每一個路徑(文件)所對應的數據塊信息。
3)DataNode 負責管理用戶的文件數據塊,每一個數據塊都可以在多個datanode上存儲多個副本。
4)Secondary NameNode用來監控HDFS狀態的輔助後臺程序,每隔一段時間獲取HDFS元數據的快照。
1.3 HDFS 文件塊大小
HDFS中的文件在物理上是分塊存儲(block),塊的大小可以通過配置參數( dfs.blocksize)來規定,默認大小在hadoop2.x版本中是128M,老版本中是64M
HDFS的塊比磁盤的塊大,其目的是爲了最小化尋址開銷。如果塊設置得足夠大,從磁盤傳輸數據的時間會明顯大於定位這個塊開始位置所需的時間。因而,傳輸一個由多個塊組成的文件的時間取決於磁盤傳輸速率。
如果尋址時間約爲10ms,而傳輸速率爲100MB/s,爲了使尋址時間僅佔傳輸時間的1%,我們要將塊大小設置約爲100MB。默認的塊大小實際爲64MB,但是很多情況下HDFS使用128MB的塊設置。
塊的大小:10ms*100*100M/s = 100M
二. HFDS命令行操作
1)基本語法
bin/hadoop fs 具體命令 或者hfds dfs (最好版保留的命令)
比如命令: [finance@master2-dev ~]$ hdfs dfs -ls /
等價於此:[finance@master2-dev ~]$ hadoop fs -ls /
2)參數大全
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)常用命令實操
(1)-help:輸出這個命令參數
bin/hdfs dfs -help rm
(2)-ls: 顯示目錄信息
hadoop fs -ls /
(3)-mkdir:在hdfs上創建目錄
hadoop fs -mkdir -p /aaa/bbb/cc/dd
(4)-moveFromLocal從本地剪切粘貼到hdfs
hadoop fs - moveFromLocal /home/hadoop/a.txt /aaa/bbb/cc/dd
(5)-moveToLocal:從hdfs剪切粘貼到本地
hadoop fs - moveToLocal /aaa/bbb/cc/dd /home/hadoop/a.txt
(6)--appendToFile :追加一個文件到已經存在的文件末尾
hadoop fs -appendToFile ./hello.txt /hello.txt
(7)-cat :顯示文件內容
(8)-tail:顯示一個文件的末尾
hadoop fs -tail /weblog/access_log.1
(9)-text:以字符形式打印一個文件的內容
hadoop fs -text /weblog/access_log.1
(10)-chgrp 、-chmod、-chown:linux文件系統中的用法一樣,修改文件所屬權限
hadoop fs -chmod 666 /hello.txt
hadoop fs -chown someuser:somegrp /hello.txt
(11)-copyFromLocal:從本地文件系統中拷貝文件到hdfs路徑去
hadoop fs -copyFromLocal ./jdk.tar.gz /aaa/
(12)-copyToLocal:從hdfs拷貝到本地
hadoop fs -copyToLocal /aaa/jdk.tar.gz
(13)-cp :從hdfs的一個路徑拷貝到hdfs的另一個路徑
hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2
(14)-mv:在hdfs目錄中移動文件
hadoop fs -mv /aaa/jdk.tar.gz /
(15)-get:等同於copyToLocal,就是從hdfs下載文件到本地
hadoop fs -get /aaa/jdk.tar.gz
(16)-getmerge :合併下載多個文件,比如hdfs的目錄 /aaa/下有多個文件:log.1, log.2,log.3,...
hadoop fs -getmerge /aaa/log.* ./log.sum
(17)-put:等同於copyFromLocal
hadoop fs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2
(18)-rm:刪除文件或文件夾
hadoop fs -rm -r /aaa/bbb/
(19)-rmdir:刪除空目錄
hadoop fs -rmdir /aaa/bbb/ccc
(20)-df :統計文件系統的可用空間信息
hadoop fs -df -h /
(21)-du統計文件夾的大小信息
hadoop fs -du -s -h /aaa/*
(22)-count:統計一個指定目錄下的文件節點數量
hadoop fs -count /aaa/
(23)-setrep:設置hdfs中文件的副本數量
hadoop fs -setrep 3 /aaa/jdk.tar.gz
這裏設置的副本數只是記錄在namenode的元數據中,是否真的會有這麼多副本,還得看datanode的數量。因爲目前只有3臺設備,最多也就3個副本,只有節點數的增加到10臺時,副本數才能達到10