Hadoop 之 HDFS(HDFS 概述 及 Shell 操作)

HDFS 概述 及 Shell 操作

一、HDFS 概述

1.1 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，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。

1.2 HDFS 优缺点

2.1 优点

• 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。
  某一个副本丢失以后，它可以自动恢复。

• 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。

• 可构建在廉价机器上，通过多副本机制，提高可靠性。

2.2 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。

  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

• 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 架构组成

1.4 HDFS 文件块的大小

• 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

二、HDFS 的 Shell 操作

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 命令列表

[[e-mail] hadoop-3.1.3]$ 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] [-l] [-d] [-t <thread count>] <localsrc> ... <dst>]
	[-copyToLocal [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
	[-count [-q] [-h] [-v] [-t [<storage type>]] [-u] [-x] [-e] <path> ...]
	[-cp [-f] [-p | -p[topax]] [-d] <src> ... <dst>]
	[-createSnapshot <snapshotDir> [<snapshotName>]]
	[-deleteSnapshot <snapshotDir> <snapshotName>]
	[-df [-h] [<path> ...]]
	[-du [-s] [-h] [-v] [-x] <path> ...]
	[-expunge]
	[-find <path> ... <expression> ...]
	[-get [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
	[-getfacl [-R] <path>]
	[-getfattr [-R] {-n name | -d} [-e en] <path>]
	[-getmerge [-nl] [-skip-empty-file] <src> <localdst>]
	[-head <file>]
	[-help [cmd ...]]
	[-ls [-C] [-d] [-h] [-q] [-R] [-t] [-S] [-r] [-u] [-e] [<path> ...]]
	[-mkdir [-p] <path> ...]
	[-moveFromLocal <localsrc> ... <dst>]
	[-moveToLocal <src> <localdst>]
	[-mv <src> ... <dst>]
	[-put [-f] [-p] [-l] [-d] <localsrc> ... <dst>]
	[-renameSnapshot <snapshotDir> <oldName> <newName>]
	[-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ...]
	[-rmdir [--ignore-fail-on-non-empty] <dir> ...]
	[-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
	[-setfattr {-n name [-v value] | -x name} <path>]
	[-setrep [-R] [-w] <rep> <path> ...]
	[-stat [format] <path> ...]
	[-tail [-f] [-s <sleep interval>] <file>]
	[-test -[defsz] <path>]
	[-text [-ignoreCrc] <src> ...]
	[-touch [-a] [-m] [-t TIMESTAMP ] [-c] <path> ...]
	[-touchz <path> ...]
	[-truncate [-w] <length> <path> ...]
	[-usage [cmd ...]]

2.3 常用命令练习

2.3.1 准备工作

（1）启动 Hadoop 集群

[[e-mail] hadoop-3.1.3]$ sbin/start-dfs.sh
[[e-mail] hadoop-3.1.3]$ sbin/start-yarn.sh

（2）-help：输出这个命令参数

[[e-mail] hadoop-3.1.3]$ hadoop fs -help rm
用于查询相关命令的规定和用法

2.3.2 上传操作

（1）-moveFromLocal：从本地剪切粘贴到HDFS

[[e-mail] hadoop-3.1.3]$ touch wukong.txt
[[e-mail] hadoop-3.1.3]$ hadoop fs  -moveFromLocal  ./wukong.txt  /xiyouji/

（2）-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去（idea）

[[e-mail] hadoop-3.1.3]$ hadoop fs -copyFromLocal bajie.txt /xiyouji/

（3）-appendToFile：追加一个文件到已经存在的文件末尾（常用）

[[e-mail] hadoop-3.1.3]$ touch saheshang.txt
[[e-mail] hadoop-3.1.3]$ vim saheshang.txt
输入
大师兄，师傅被妖怪抓走了
[[e-mail] hadoop-3.1.3]$ hadoop fs -appendToFile saheshang.txt /xiyouji/wukong.txt

（4）-put：等同于copyFromLocal（常用）

[[e-mail] hadoop-3.1.3]$ hadoop fs -put ./jiabaoyu.txt /hongloumeng/jiafu/

2.3.3 下载操作

（1）-copyToLocal：从HDFS拷贝到本地（idea）

[[e-mail] hadoop-3.1.3]$ hadoop fs -copyToLocal /xiyouji/wukong.txt ./test/

（2）-get：等同于copyToLocal，就是从HDFS下载文件到本地（常用）

[[e-mail] hadoop-3.1.3]$ hadoop fs -get /xiyouji/wukong.txt ./test/

（3）-getmerge：合并下载多个文件，比如HDFS的目录 /user/xiaoxq/test下有多个文件:log.1, log.2,log.3,…

[[e-mail] hadoop-3.1.3]$ hadoop fs -getmerge /xiyouji/* ./xitianqujin.txt

2.3.4 HDFS 直接操作

（1）-ls: 显示目录信息

[[e-mail] hadoop-3.1.3]$ hadoop fs -ls /

（2）-mkdir：在HDFS上创建目录

[[e-mail] hadoop-3.1.3]$ hadoop fs -mkdir -p /xiyouji

（3）-cat：显示文件内容

[[e-mail] hadoop-3.1.3]$ hadoop fs -cat /xiyouji/wukong.txt

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

[[e-mail] hadoop-3.1.3]$ hadoop fs -chmod 777 /xiyouji/wukong.txt
[[e-mail] hadoop-3.1.3]$ hadoop fs -chown xiaoxq:xiaoxq /xiyouji/wukong.txt

（5）-cp ：从 HDFS 的一个路径拷贝到 HDFS 的另一个路径

[[e-mail] hadoop-3.1.3]$ hadoop fs -cp /xiyouji/wukong.txt /hongloumeng/qitiandasheng.txt

（6）-mv：在HDFS目录中移动文件

[[e-mail] hadoop-3.1.3]$ hadoop fs -mv /hongloumeng/qitiandasheng.txt /xiyouji/

（7）-tail：显示一个文件的末尾1kb的数据

[[e-mail] hadoop-3.1.3]$ hadoop fs -tail /xiyouji/qitiandasheng.txt

（8）-rm：删除文件或文件夹

[[e-mail] hadoop-3.1.3]$ hadoop fs -rm /java/1.txt

（9）-rmdir：删除空目录

[[e-mail] hadoop-3.1.3]$ hadoop fs -mkdir /test
[[e-mail] hadoop-3.1.3]$ hadoop fs -rm /test

（10）-du：统计文件夹的大小信息

[[e-mail] hadoop-3.1.3]$ hadoop fs -du -s -h /xiyouji/

（11）-setrep：设置 HDFS 中文件的副本数量

[[e-mail] hadoop-3.1.3]$ hadoop fs -setrep 10 /xiyouji/bajie.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。