一、HDFS概述
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
1.1 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，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
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。 - 适合大数据处理
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 - 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
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
小文件存储的寻道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
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
①Client: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，然后进行存储 - 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，比如启动或者关闭HDFSClient可以通过一些命令来访问HDFS
②NameNode(Master):主管、管理者
- 管理
HDFS的名称空间' - 管理数据块（
Block）映射信息 - 配置副本策略
- 处理客户端读写请求
③DataNode(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
④Secondary 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 - 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
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。
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（10ms/1%*100M/s = 100M）,默认的块大小128MB。
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。
二、HFDS的Shell操作
基本语法：hadoop fs 具体命令或hdfs dfs 具体命令
①-help：输出这个命令参数
[root@hadoop100 hadoop-2.7.2]# hadoop fs -help rm
-rm [-f] [-r|-R] [-skipTrash] <src> ... :
Delete all files that match the specified file pattern. Equivalent to the Unix
command "rm <src>"
-skipTrash option bypasses trash, if enabled, and immediately deletes <src>
-f If the file does not exist, do not display a diagnostic message or
modify the exit status to reflect an error.
-[rR] Recursively deletes directories
②-ls: 显示目录信息
[root@hadoop100 hadoop-2.7.2]# hadoop fs -ls /
Found 3 items
drwxr-xr-x - root supergroup 0 2020-05-21 19:54 /output
drwxr-xr-x - root supergroup 0 2020-05-21 19:50 /test
drwx------ - root supergroup 0 2020-05-21 19:54 /tmp
③-mkdir：在HDFS上创建目录
[root@hadoop100 hadoop-2.7.2]# hadoop fs -mkdir -p /user/hucheng
④-moveFromLocal：从本地剪切粘贴到HDFS
[root@hadoop100 hadoop-2.7.2]# hadoop fs -moveFromLocal ./jpsall.sh /user/hucheng
⑤-appendToFile ：追加一个文件到已经存在的文件末尾
[root@hadoop100 ~]# hadoop fs -appendToFile test.txt /user/hucheng/jpsall.sh
⑥-cat：显示文件内容
[root@hadoop100 ~]# hadoop fs -cat /user/hucheng/jpsall.sh
⑦-chgrp 、-chmod、-chown修改文件所属权限
[root@hadoop100 ~]# hadoop fs -chmod +x /user/hucheng/jpsall.sh
⑧-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去
[root@hadoop100 ~]# hadoop fs -copyFromLocal README.txt /user/hucheng
⑨-copyToLocal:从HDFS拷贝到本地
[root@hadoop100 ~]# hadoop fs -copyToLocal /user/hucheng/jpsall.sh ./
⑩-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径
[root@hadoop100 ~]# hadoop fs -cp /user/hucheng/jpsall.sh /
⑪-mv：在HDFS目录中移动文件
[root@hadoop100 ~]# hadoop fs -mv /readme.txt /user/hucheng
⑫-get：等同于copyToLocal，就是从HDFS下载文件到本地
[root@hadoop100 ~]# hadoop fs -get /user/hucheng/jpsall.sh ./
⑬-getmerge：合并下载多个文件
[root@hadoop100 ~]# hadoop fs -getmerge /user/hucheng/logs/* ./logs.txt
⑭-put：等同于copyFromLocal
[root@hadoop100 ~]# hadoop fs -put ./jpsall.sh /user/hucheng
⑮-tail：显示一个文件的末尾
[root@hadoop100 ~]# hadoop fs -tail /user/hucheng/jpsall.sh
⑯-rm：删除文件或文件夹
[root@hadoop100 ~]# hadoop fs -rm /user/hucheng/jpsall.sh
⑰-rmdir：删除空目录
[root@hadoop100 ~]# hadoop fs -rmdir /test
⑱-du统计文件夹的大小信息
[root@hadoop100 ~]# hadoop fs -du -h /user/hucheng
171 /user/hucheng/jpsall.sh
⑲-setrep：设置HDFS中文件的副本数量
[root@hadoop100 ~]# hadoop fs -setrep 10 /user/hucheng/jpsall.sh
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
三、HFDS客户端操作
①配置HDFS客户端环境
配置HADOOP_HOME和PATH
②引入依赖
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>RELEASE</version>
</dependency>
<dependency>
<groupId>org.apache.logging.log4j</groupId>
<artifactId>log4j-core</artifactId>
<version>2.8.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.7.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.7.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-hdfs</artifactId>
<version>2.7.2</version>
</dependency>
③API操作
public class HdfsClientTest {
private FileSystem fileSystem;
@Before
public void before() throws URISyntaxException, IOException, InterruptedException {
//这个user需要是在HDFS上有操作权限的用户
fileSystem = FileSystem.get(new URI("hdfs://hadoop100:9000"), new Configuration(), "root");
}
@After
public void after() throws IOException {
fileSystem.close();
}
/**
* 上传
*/
@Test
public void testUpload() throws IOException {
fileSystem.copyFromLocalFile(new Path("d:/HelloDFS.txt"), new Path("/test"));
}
/**
* 创建文件夹
*/
@Test
public void testMkdirs() throws IOException {
//获取文件配置
fileSystem.mkdirs(new Path("/test2"));
}
/**
* 删除文件夹
*/
@Test
public void testDelDirs() throws IOException {
fileSystem.delete(new Path("/test2"), true);
}
/**
* 更改文件名
*/
@Test
public void testRenameFile() throws IOException {
fileSystem.rename(new Path("/test/HelloDFS.txt"), new Path("/test/hello.txt"));
}
/**
* 获取文件详情
*/
@Test
public void testFileDetail() throws IOException {
RemoteIterator<LocatedFileStatus> files = fileSystem.listFiles(new Path("/test"), true);
while (files.hasNext()) {
LocatedFileStatus fileStatus = files.next();
//判断是否是文件
System.out.println(fileStatus.isFile());
//文件名
System.out.println(fileStatus.getPath().getName());
//长度
System.out.println(fileStatus.getLen());
//权限
System.out.println(fileStatus.getPermission());
//分组
System.out.println(fileStatus.getGroup());
//获取存储块信息
BlockLocation[] blockLocations = fileStatus.getBlockLocations();
for (BlockLocation blockLocation : blockLocations) {
String[] hosts = blockLocation.getHosts();
for (String host : hosts) {
System.out.print(host + " ");
}
System.out.println();
}
}
}
}