Hadoop学习指南：探索大数据时代的重要组成—

HDFS概述

1.1 HDFS 产出背景及定义

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。

1.2 HDFS 优缺点

HDFS优点

1）高容错性

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。

HDFS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。

➢ 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；

3）不支持并发写入、文件随机修改。

➢ 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。

➢ 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。

1.3 HDFS 组成架构

1）NameNode（nn）：就是Mastter，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。

2）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

3）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；

4）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。

1.4 HDFS 文件块大小（面试重点）

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。

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。

2.HDFS的Shell操作（开发重点）

2.1 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。

2.2 命令大全

[atguigu@hadoop102 hadoop-3.1.3]$ bin/hadoop fs 
[-appendToFile <localsrc> ... <dst>] 
[-cat [-ignoreCrc] <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>] 
[-df [-h] [<path> ...]] 
[-du [-s] [-h] <path> ...] 
[-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>] 
[-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>] 
[-rm [-f] [-r|-R] [-skipTrash] <src> ...] 
[-rmdir [--ignore-fail-on-non-empty] <dir> ...] 
<acl_spec> <path>]] 
[-setrep [-R] [-w] <rep> <path> ...] 
  [-stat [format] <path> ...] 
        [-tail [-f] <file>] 
        [-test -[defsz] <path>] 
        [-text [-ignoreCrc] <src> ...]

2.3 常用命令实操

2.3.1 准备工作

1）启动Hadoop集群（方便后续的测试）

[atguigu@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh 
[atguigu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

2）-help：输出这个命令参数

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm

3）创建/sanguo文件夹

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /sanguo

2.3.2 上传

1）-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

2）-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

3）-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

4）-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

2.3.3 下载

1）-copyToLocal：从HDFS拷贝到本地

[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

2.3.4 HDFS 直接操作

1）-ls: 显示目录信息

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /sanguo

2）-cat：显示文件内容

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo.txt

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

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs  -chmod 666  
/sanguo/shuguo.txt 
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs  -chown  atguigu:atguigu   
/sanguo/shuguo.txt

4）-mkdir：创建路径

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /jinguo

5）-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）-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）-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）-rm：删除文件或文件夹

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /sanguo/shuguo.txt

9）-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）-du 统计文件夹的大小信息

[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）-setrep：设置 HDFS中文件的副本数量

[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。

3.HDFS的API操作

3.1 客户端环境准备

1）找到资料包路径下的Windows依赖文件夹，拷贝hadoop-3.1.0到非中文路径（比如d:\）。

2）配置HADOOP_HOME环境变量

3）配置Path环境变量。

注意：如果环境变量不起作用，可以重启电脑试试。

验证Hadoop环境变量是否正常。双击winutils.exe，如果报如下错误。说明缺少微软运行库（正版系统往往有这个问题）。

4）在IDEA中创建一个Maven工程HdfsClientDemo，并导入相应的依赖坐标+日志添加

<dependencies> 
    <dependency> 
        <groupId>org.apache.hadoop</groupId> 
        <artifactId>hadoop-client</artifactId> 
        <version>3.1.3</version> 
    </dependency> 
    <dependency> 
        <groupId>junit</groupId> 
        <artifactId>junit</artifactId> 
        <version>4.12</version> 
    </dependency> 
    <dependency> 
        <groupId>org.slf4j</groupId> 
        <artifactId>slf4j-log4j12</artifactId> 
        <version>1.7.30</version> 
    </dependency> 
</dependencies>

在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入

log4j.rootLogger=INFO, stdout   
log4j.appender.stdout=org.apache.log4j.ConsoleAppender   
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout   
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n   
log4j.appender.logfile=org.apache.log4j.FileAppender   
log4j.appender.logfile.File=target/spring.log   
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout   
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

5）创建包名：com.atguigu.hdfs

6）创建HdfsClient类

public class HdfsClient { 
    @Test 
    public void testMkdirs() throws IOException, URISyntaxException, 
InterruptedException { 
        // 1 获取文件系统
           Configuration configuration = new Configuration(); 
        // FileSystem fs = FileSystem.get(new 
URI("hdfs://hadoop102:8020"), configuration); 
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration,"atguigu"); 
        // 2 创建目录 
        fs.mkdirs(new Path("/xiyou/huaguoshan/")); 
        // 3 关闭资源 
        fs.close(); 
    } 
}

7）执行程序

客户端去操作HDFS时，是有一个用户身份的。默认情况下，HDFS客户端API会从采

用Windows默认用户访问HDFS，会报权限异常错误。所以在访问HDFS时，一定要配置

用户。

org.apache.hadoop.security.AccessControlException: Permission denied: 
user=56576, access=WRITE, 
inode="/xiyou/huaguoshan":atguigu:supergroup:drwxr-xr-x

3.2 HDFS的API案例实操

3.2.1 HDFS文件上传（测试参数优先级）

1）编写源代码

@Test 
public void testCopyFromLocalFile() throws IOException, 
InterruptedException, URISyntaxException { 
    // 1 获取文件系统 
    Configuration configuration = new Configuration(); 
    configuration.set("dfs.replication", "2"); 
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "atguigu"); 
    // 2 上传文件 
    fs.copyFromLocalFile(new Path("d:/sunwukong.txt"), new 
Path("/xiyou/huaguoshan")); 
    // 3 关闭资源 
    fs.close(); 
｝

2）将hdfs-site.xml拷贝到项目的resources资源目录下

<?xml version="1.0" encoding="UTF-8"?> 
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?> 
<configuration> 
 <property> 
  <name>dfs.replication</name> 
          <value>1</value> 
 </property> 
</configuration>

3）参数优先级

参数优先级排序：（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）然后是服务器的自定义配置（xxx-site.xml） >（4）服务器的默认配置（xxx-default.xml）

3.2.2 HDFS文件下载

@Test 
public void testCopyToLocalFile() throws IOException, 
InterruptedException, URISyntaxException{ 
    // 1 获取文件系统 
    Configuration configuration = new Configuration(); 
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "atguigu"); 
    // 2 执行下载操作 
    // boolean delSrc 指是否将原文件删除 
    // Path src 指要下载的文件路径 
    // Path dst 指将文件下载到的路径 
    // boolean useRawLocalFileSystem 是否开启文件校验 
    fs.copyToLocalFile(false, new 
Path("/xiyou/huaguoshan/sunwukong.txt"), new Path("d:/sunwukong2.txt"), 
true); 
    // 3 关闭资源 
    fs.close(); 
}

注意：如果执行上面代码，下载不了文件，有可能是你电脑的微软支持的运行库少，需

要安装一下微软运行库。

3.2.3 HDFS文件更名和移动

@Test 
public void testRename() throws IOException, InterruptedException, 
URISyntaxException{ 
 // 1 获取文件系统 
 Configuration configuration = new Configuration(); 
 FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "atguigu");  
 // 2 修改文件名称 
 fs.rename(new Path("/xiyou/huaguoshan/sunwukong.txt"), new 
Path("/xiyou/huaguoshan/meihouwang.txt")); 
 // 3 关闭资源 
 fs.close(); 
}

3.2.4 HDFS删除文件和目录

@Test 
public void testDelete() throws IOException, InterruptedException, 
URISyntaxException{ 
 // 1 获取文件系统 
 Configuration configuration = new Configuration(); 
 FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "atguigu"); 
 // 2 执行删除 
 fs.delete(new Path("/xiyou"), true); 
 // 3 关闭资源 
 fs.close(); 
}

3.2.5 HDFS文件详情查看

查看文件名称、权限、长度、块信息

@Test 
public void testListFiles() throws IOException, InterruptedException, 
URISyntaxException { 
 // 1获取文件系统 
 Configuration configuration = new Configuration(); 
 FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "atguigu"); 
 // 2 获取文件详情 
 RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), 
true); 
 while (listFiles.hasNext()) { 
  LocatedFileStatus fileStatus = listFiles.next(); 
  System.out.println("========" + fileStatus.getPath() + "========="); 
  System.out.println(fileStatus.getPermission()); 
  System.out.println(fileStatus.getOwner()); 
  System.out.println(fileStatus.getGroup()); 
  System.out.println(fileStatus.getLen()); 
  System.out.println(fileStatus.getModificationTime()); 
  System.out.println(fileStatus.getReplication()); 
  System.out.println(fileStatus.getBlockSize()); 
  System.out.println(fileStatus.getPath().getName()); 
  // 获取块信息 
  BlockLocation[] blockLocations = fileStatus.getBlockLocations(); 
  System.out.println(Arrays.toString(blockLocations)); 
 } 
 // 3 关闭资源 
 fs.close(); 
}

3.2.6 HDFS 文件和文件夹判断

@Test 
public void testListStatus() throws IOException, InterruptedException, 
URISyntaxException{ 
// 1 获取文件配置信息 
Configuration configuration = new Configuration(); 
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "atguigu"); 
// 2 判断是文件还是文件夹 
FileStatus[] listStatus = fs.listStatus(new Path("/")); 
for (FileStatus fileStatus : listStatus) { 
// 如果是文件 
if (fileStatus.isFile()) { 
System.out.println("f:"+fileStatus.getPath().getName()); 
}else { 
System.out.println("d:"+fileStatus.getPath().getName()); 
} 
} 
// 3 关闭资源 
fs.close(); 
}

Hadoop学习指南：探索大数据时代的重要组成——HDFS(上)

HDFS概述

1.1 HDFS 产出背景及定义

1）HDFS产生背景

2）HDFS定义

1.2 HDFS 优缺点

1.3 HDFS 组成架构

1.4 HDFS 文件块大小（面试重点）

2.HDFS的Shell操作（开发重点）

2.1 基本语法

2.2 命令大全

2.3 常用命令实操

3.HDFS的API操作

3.1 客户端环境准备

3.2 HDFS的API案例实操

热门文章

最新文章

相关课程

相关电子书

相关实验场景

热门

活动广场

任务中心

开发者评测

高校计划

乘风者计划

训练营

阿里云MVP

话题

直播

下载

镜像站

技术资料

插件

Hadoop学习指南：探索大数据时代的重要组成——HDFS(上)

HDFS概述

1.1 HDFS 产出背景及定义

1）HDFS产生背景

2）HDFS定义

1.2 HDFS 优缺点

1.3 HDFS 组成架构

1.4 HDFS 文件块大小（面试重点）

2.HDFS的Shell操作（开发重点）

2.1 基本语法

2.2 命令大全

2.3 常用命令实操

3.HDFS的API操作

3.1 客户端环境准备

3.2 HDFS的API案例实操

热门文章

最新文章

相关课程

相关电子书

相关实验场景