携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第19天，点击查看活动详情
1. Hadoop概述
1.1. HDFS产生背景
随着数据量越来越大，在一个操作系统管辖的范围内存不下了，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.
1.2. HDFS 概念
HDFS，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 的设计适合一次写入，多次读出的场景，且不支持文件的修改。适合用来做数据分析，并不适合用来做网盘应用。
1.3. HDFS优缺点
1.3.1. 优点
- 高容错性
- （1）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；
- （2）某一个副本丢失以后，它可以自动恢复。
- 适合大数据处理
- （1）数据规模：能够处理数据规模达到 GB、 TB、甚至 PB 级别的数据；
- （2）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。
- 流式数据访问， 它能保证数据的一致性。
- 可构建在廉价机器上， 通过多副本机制，提高可靠性。
1.3.2. 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。
- （1）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；
- （2）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。
- 并发写入、文件随机修改。
- （1）一个文件只能有一个写，不允许多个线程同时写；
- （2）仅支持数据 append（追加），不支持文件的随机修改。
【总结】
- 优点：
- 高容错性
- 适合大数据处理
- 高可扩展性
- 缺点：
- 对大量小文件的处理效率低
- 不适合低延迟的场景
- 只支持数据的追加，不支持随机修改
1.4. HDFS架构
1.4.1. 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，然后进行存储；
- （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，比如启动或者关闭 HDFS；
- （5） Client 可以通过一些命令来访问 HDFS；
1.4.2. NameNode：
就是 Master，它是一个主管、管理者。
- （1）管理 HDFS 的名称空间；
- （2）管理数据块（Block） 映射信息；
- （3）配置副本策略；
- （4）处理客户端读写请求。
1.4.3. 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。
1.4.4. 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；
- （2）定期合并 Fsimage 和 Edits，并推送给 NameNode；
- （3）在紧急情况下，可辅助恢复 NameNode。
1.5. 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 版本中是 128M，老版本中是 64M。
HDFS 的块比磁盘的块大，其目的是为了最小化寻址开销。如果块设置得足够大，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。因而， 传输一个由多个块组成的文件的时间取决于磁盘传输速率。
如果寻址时间约为 10ms，而传输速率为 100MB/s，为了使寻址时间仅占传输时间的 1%，我们要将块大小设置约为 100MB。 默认的块大小 128MB。
块的大小：
10ms*100*100M/s = 100M
HDFS常用shell操作
常用命令
（0）启动 Hadoop 集群（方便后续的测试）
$ sbin/start-dfs.sh
$ sbin/start-yarn.sh
（1） -help： 输出这个命令参数
$ hadoop fs -help rm
（2） -ls: 显示目录信息
$ hadoop fs -ls /
（3） -mkdir：在 hdfs 上创建目录
$ hadoop fs -mkdir -p /sanguo/shuguo
（4） -moveFromLocal 从本地剪切粘贴到 hdfs
$ hadoop fs -moveFromLocal ./kongming.txt
/sanguo/shuguo
（5） --appendToFile ：追加一个文件到已经存在的文件末尾
$ touch liubei.txt
$ vi liubei.txt
输入
san gu mao lu
$ hadoop fs -appendToFile liubei.txt
/sanguo/shuguo/kongming.txt
（6） -cat ：显示文件内容
$ hadoop fs -cat /sanguo/shuguo/kongming.txt
（7） -tail：显示一个文件的末尾
$ hadoop fs -tail /sanguo/shuguo/kongming.txt
（8） -chgrp 、 -chmod、 -chown： linux 文件系统中的用法一样，修改文件所属权限
$ hadoop fs -chmod 666 /sanguo/shuguo/kongming.txt
$ hadoop fs -chown atguigu:atguigu /sanguo/shuguo/kongming.txt
（9） -copyFromLocal：从本地文件系统中拷贝文件到 hdfs 路径去
$ hadoop fs -copyFromLocal README.txt /
（10） -copyToLocal：从 hdfs 拷贝到本地
$ hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./
（11） -cp ：从 hdfs 的一个路径拷贝到 hdfs 的另一个路径
$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt
（12） -mv：在 hdfs 目录中移动文件
$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/
（13） -get：等同于 copyToLocal，就是从 hdfs 下载文件到本地
$ hadoop fs -get /sanguo/shuguo/kongming.txt ./
（14） -getmerge ：合并下载多个文件，比如 hdfs 的目录 /aaa/下有多个文件:log.1, log.2,log.3,...
$ hadoop fs -getmerge /user/atguigu/test/* ./zaiyiqi.txt
（15） -put：等同于 copyFromLocal
$ hadoop fs -put ./zaiyiqi.txt /user/atguigu/test/
（16） -rm：删除文件或文件夹
$ hadoop fs -rm /user/atguigu/test/jinlian2.txt
（17） -rmdir：删除空目录
$ hadoop fs -mkdir /test
$ hadoop fs -rmdir /test
（18） -du 统计文件夹的大小信息
$ hadoop fs -du -s -h /user/atguigu/test 2.7 K /user/atguigu/test
$ hadoop fs -du -h /user/atguigu/test
1.3 K /user/atguigu/test/README.txt
15 /user/atguigu/test/jinlian.txt
1.4 K /user/atguigu/test/zaiyiqi.txt
（19） -setrep：设置 hdfs 中文件的副本数量
$ hadoop fs -setrep 10 /sanguo/shuguo/kongming.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。
