Hadoop入门学习笔记---part3

    2015年元旦，好好学习，天天向上。良好的开端是成功的一半，任何学习都不能中断，只有坚持才会出结果。继续学习Hadoop。冰冻三尺，非一日之寒！

    经过Hadoop的伪分布集群环境的搭建，基本对Hadoop有了一个基础的了解。但是还是有一些理论性的东西需要重复理解，这样才能彻底的记住它们。个人认为重复是记忆之母。精简一下：

　　　　NameNode：管理集群，并且记录DataNode文件信息；

　　　　SecondaryNameNode：可以做冷备份，对一定范围内的数据作快照性备份；

　　　　DataNode：存储数据；

　　　　JobTracker：管理任务，并将任务分配给taskTracker;

　　　　TaskTracker：任务的执行方。

     HDFS现在都知道是Hadoop分布式文件系统，但是关于它的其它方面比如说它的体系结构就不知道了。因此，还得在此基础上理解Hadoop分布式文件系统的体系结构以及相关基本概念。《Hadoop入门学习笔记---part3》的重点内容就是分布式文件系统和HDFS；HDFS的shell操作，NameNode体系结构；DataNode的体系结构。

1. 分布式文件系统和HDFS：

　　　　DFS（分布式文件系统）是一种允许文件通过网路在多台主机上分享的文件系统。可以让多台机器上的多用户分享文件和存储空间。

            HDFS仅仅是DFS中的一种，适用于一次写入多次查询的情况，不支持并发写的情况，同时也不适合于小文件。

        下面就可以在已经搭建好的hadoop伪分布环境下进行操作了。首先查看hadoop的进程是否已经启动。如果没有启动，需要启动后再进行下面的操作。

      #jps
      #start-all.sh   (如果没有启动)

　　 2. HDFS的shell操作：

　　　　实际上HDFS的shell操作和Linux上的操作基本上是类似的。只是列举一些很是常用的命令，给一个抛砖引玉的作用。能够知道是怎么回事，怎么用就行。

#hadoop fs –ls /    查看根目录下的内容
#hadoop fs –lsr /   递归查看根目录下的内容
#hadoop fs –mkdir /hello  在HDFS的根目录下新建一个hello的文件夹
#hadoop fs –put /root/test /hello   将linux中root目录下的test文件上传到HDFS的hello目录下，当只有源路径而没有目标路径时，默认表示文件名称，不是文件夹，为上传后的名称
#hadoop fs –get /hello/test .    将HDFS上的文件下载到本地。注意在命令的最后面是一个点，而这个点就是表示本地路径，即为linux的路径，可以将点改为任何路径
#hadoop fs –text /hello/test   直接在HDFS上查看hello目录下的test文件
#hadoop fs –rm /hello/test  删除hello目录下的test文件，只针对文件
#hadoop fs –rmr /hello  递归地删除HDFS上的hello目录，包含文件和文件夹

**#hadoop fs –help +命令  查看帮助文档
**#hadoop fs –ls /  实际上是命令#hadoop fs –ls hdfs://hadoop:9000/ 是一样的效果，就是简写。注意里面的hadoop是我机器的主机名，应根据你自己的实际来选择

　　　　因为这样的命令太多，我就不一一列举了。只要会使用linux命令的，基本上很容易上手。类推就行！

　　3. NameNode的体系结构：

　　　　HDFS的两大核心就是NameNode和DataNode。是整个文件系统的管理节点，维护整个文件系统的文件目录树，文件/目录的元信息和每个文件对应的数据块列表，接收用户的操作请求。本人仅概括性的总结，详细的介绍还请参看官方文档。

　　　　文件包括：

　　　　(1)     fsimage:文件系统镜像，元数据镜像文件，存储某一时段NameNode内存元数据信息；

　　　　(2)     edits: 操作日志文件，事务文件；

　　　　(3)     fstime: 保存最近一次checkpoint的时间。

　　　　以上这些文件是保存在Linux上。

　　SecondaryNameNode：

　　　　 从NameNode上下载元数据信息（fsimage和edits），然后把二者合并，生成新的fsimage，在本地保存，并将其推送到NameNode，同时重置NameNode的edits。实际上就是冷备份。

      　　在linux中的路径如下如下，你可以看到以上介绍的文件。

                          

　　4. DataNode的体系结构：

　　　　提供真实文件数据的存储服务；还得明白一个关键术语：数据块（block），最基本的存储单位；对于文件内存而言，一个文件的长度大小问size。那么从文件的0偏移开始，按照固定的大小，顺序对文件进行划分并编号，划分好的每一个块称为一个block。

　　　　HDFS默认的Block大小是64MB，以一个256MB的文件为例，256MB/64MB=4个Block。

　　　　与普通文件系统不同的是，HDFS中，如果文件小于一个数据块的大小，并不占用整个数据块存储空间。即：HDFS的DataNode在存储数据时，如果原始文件大小大于64MB，按照64MB大小划分，如果小于64MB，就按实际大小保存。

　　　　Repication：多副本，默认为3个，存放在不同的机器上。

　　　　在linux中的实际存储为下图所示。同时可以看到存储数据的元信息。

　　　　

　　在《Hadoop入门学习笔记---part4》中将利用java操作HDFS，看看如何利用java实现的应用程序进行操作。

作者：itRed         
邮箱：it_red@sina.com            
博客：http://www.cnblogs.com/itred           个人网站：http://wangxingyu.jd-app.com
***版权声明：本文版权归作者和博客园共有，欢迎转载，但请在文章显眼位置标明文章出处。未经本人书面同意，将其作为他用，本人保留追究责任的所有权利。