1、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住所有的数据，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），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
1、HDFS优点
（1）高容错
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。
2、HDFS缺点
（1）不适合低延时数据范围，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；
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。
（3）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。
1.3 HDFS组成架构
1、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。
2、DateNode：就是workes（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：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增删改查操作。
4、Secondary NameNode：并非NameNode的热备。当NameNode挂掉的时候，它并不是能马上替换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
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和3.x版本中是128M，1.x是64M。
为什么块的大小不能设置太小也不能太大？
（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，从磁盘传输速率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
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
2.3 常用命令实操
2.3.1 准备工作
（1）启动hadoop集群
[zhm@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh [zhm@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
（2）- help：输出这个命令参数
hadoop fs -help rm
（3）创建/zhm文件夹
hadoop fs -mkdir /zhm
2.3.2 上传
1、-moveFromLocal：从本地剪切粘贴到HDFS
hadoop fs -moveFromLocal 文件路径 目的路径
2、-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去
hadoop fs -copyFromLocal 文件路径 目的路径
3、-put：等同于copyFromLocal，生产环境更习惯用put
hadoop fs -put 文件路径 目的路径
4、-appendToFile：追加一个文件到已经存在的文件末尾
hadoop fs -appendToFile 文件路径 目的路径
2.3.3 下载
1、-copyToLocal：从 HDFS 拷贝到本地
hadoop fs -copyToLocal 文件路径 目的路径
2、-get：等同于 copyToLocal，生产环境更习惯用 get
hadoop fs -get 文件路径 目的路径
2.4 HDFS直接操作
1、-ls：显示目录信息
hadoop fs -ls 目录
2、-cat：显示文件内容
hadoop fs -cat 文件路径
3、-chgrp、-chmod、-chown：Linux 文件系统中的用法一样，修改文件所属权限
4、-mkdir：创建路径
hadoop fs -mkdir 目录路径
5、-cp：从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
hadoop fs -cp 文件路径 目的目录
6、-mv：在 HDFS 目录中移动文件
hadoop fs -mv 文件路径 目的路径
7、-tail：显示一个文件的末尾 1kb 的数据
hadoop fs -tail 文件路径
8、-rm：删除文件或文件夹
hadoop fs -rm 文件路径
9、-rm -r：递归删除目录及目录里面内容
hadoop fs -rm -r 文件路径
10、-du 统计文件夹的大小信息
hadoop fs -du 文件路径
11、-setrep：设置 HDFS 中文件的副本数量
hadoop fs -setrep 数量 文件路径
这里设置的副本数只是记录在NameNode的元数据中，是否真的有会有这么多的副本，还得看DataNode的数量、因为目前只有三台DataNode，最多也就是3个副本，只有节点数增加到相应的数量时，副本数才会达到相应的数量。
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hadoo-3.1.0到非中文路径（比如 d:\）。
链接：https://pan.baidu.com/s/1wamz5h6P0kyNxD_J6vwi8w
提取码：zhm6
–来自百度网盘超级会员V1的分享
2、配置HADOOP_HOME环境变量
3、配置Path环境变量
验证Hadoop环境变量是否正常，双击winutils.exe。
4、在IDEA中创建一个Maven工程，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.zhm.hdfs
6、在hdfs包下创建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,"zhm"); // 2 创建目录 fs.mkdirs(new Path("/xiyou/huaguoshan/")); // 3 关闭资源 fs.close(); } }
7、执行程序
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, "zhm"); // 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resource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）然后就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, "zhm"); // 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(); }
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, "zhm"); // 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, "zhm"); // 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, "zhm"); // 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(); }
3.2.5 HDFS文件详情查看
@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, "zhm"); // 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(); }
