大数据之Hadoop3.x（HDFS基本操作）

小满大王i
334 阅读5分钟

开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第6天，点击查看活动详情

第1章 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优点如下：

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。 在这里插入图片描述
  • 某一个副本丢失以后，它可以自动恢复。 在这里插入图片描述

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缺点如下：

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；
  • 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。 在这里插入图片描述

1.3 HDFS 组成架构

在这里插入图片描述

1）NameNode（nn）：就是Master，它是一个主管、管理者。

  • 管理HDFS的名称空间；
  • 配置副本策略；
  • 管理数据块（Block）映射信息；
  • 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。

  • 存储实际的数据块；
  • 执行数据块的读/写操作

3）Client：就是客户端。

  • 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；
  • 与NameNode交互，获取文件的位置信息；
  • 与DataNode交互，读取或者写入数据；
  • Client提供一些命令来管理HDFS，比如NameNode格式化；
  • 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。

  • 辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode ；
  • 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。 在这里插入图片描述 思考：为什么块的大小不能设置太小，也不能设置太大？

  • 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；
  • 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。

第 2 章 HDFS 的 Shell 操作（开发重点）

2.1 基本语法

  • hadoop fs 具体命令
  • hdfs dfs 具体命令

两个是完全相同的！

2.2 命令大全

[ovo@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）

[ovo@hadoop102 hadoop-3.1.3]$ myhadoop.sh start

2）-help：输出这个命令参数

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

3）创建/sanguo 文件夹

[ovo@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

[ovo@hadoop102 hadoop-3.1.3]$ vim shuguo.txt

插入：

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

[ovo@hadoop102 hadoop-3.1.3]$ vim weiguo.txt

插入：

weiguo

[ovo@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（简洁）

[ovo@hadoop102 hadoop-3.1.3]$ vim wuguo.txt

插入：

wuguo

[ovo@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

[ovo@hadoop102 hadoop-3.1.3]$ vim liubei.txt

插入：

liubei

[ovo@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

[ovo@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

[ovo@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

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

2）-cat：显示文件内容

[ovo@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

[ovo@hadoop102 hadoop-3.1.3]$ hadoop fs -chmod 777 /sanguo/shuguo.txt
[ovo@hadoop102 hadoop-3.1.3]$ hadoop fs -chown ovo:ovo /sanguo/shuguo.txt

4）-mkdir：创建路径

[ovo@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

[ovo@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo.txt 
/jinguo

6）-mv：在 HDFS 目录中剪切移动文件

[ovo@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/wuguo.txt /jinguo
[ovo@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

[ovo@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /jinguo/shuguo.txt

8）-rm：删除文件或文件夹

[ovo@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

[ovo@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /sanguo

10）-du 统计文件夹的大小信息

[ovo@hadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /jinguo
27 81 /jinguo
[ovo@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

[ovo@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 10 /jinguo/shuguo.tx

在这里插入图片描述 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。

第3章 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。==

avatar
文章
阅读
粉丝