hadoop day 2

1.hdfs shell相关命令

#hadoop fs -ls /  查看HDFS根目录
#hadoop fs -mkdir /test 在根目录创建一个目录test
    #hadoop fs -mkdir /test1 在根目录创建一个目录test1
#hadoop fs -put ./test.txt /test　
或#hadoop fs -copyFromLocal ./test.txt /test
    #hadoop fs -get /test/test.txt .
   或#hadoop fs -getToLocal /test/test.txt .
#hadoop fs -cp /test/test.txt /test1
#hadoop fs -rm /test1/test.txt
#hadoop fs -mv /test/test.txt /test1
#hadoop fs -rmr /test1   

2.HDFS架构

                              HDFS

----------------------------------------------------------------
NameNode，DataNode，Secondary DataNode

NameNode对元数据进行维护：

元数据存放于内存中：读写分离中，主要做查询

NameNode是整个文件系统的管理节点。它维护着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。
文件包括：
fsimage:元数据镜像文件。存储某一时段NameNode内存元数据信息。
edits:操作日志文件，用于读写分离，只能追加，以便在断电时恢复数据，每当写满时，将数据刷到fsimage中去
fstime:保存最近一次checkpoint的时间
以上这些文件是保存在linux的文件系统中。

client  ---------> namenode ---------->  editslog (存放更新的元数据信息)

1).客户端上传文件时，NN首先往edits log文件中记录元数据操作日志

2).客户端开始上传文件（namenode），完成后返回成功信息给NN，NN就在内存中写入这次上传操作新产生的元数据信息

3).每当editslog写满时，需要将这一段时间的新的元数据刷到fsimage文件中去

4).secondarynamenode 实现checkpoint

secondary namenode的工作流程

1).通知namenode切换edits文件

2).从namenode获得fsimage和edits

3).将fsimage载入内存，然后开始合并edits

4).secondary将新的fsimage发回给namenode

5).namenode用新的fsimage替换旧的fsimage

checkpoint的触发条件：

1).指定两次checkpoint的最大时间间隔，默认为3600秒，fs.checkpoint.period

2).规定edits文件的最大值，一旦超过则强制checkpoint，fs.checkpoint.size

优先在不同的机架上防止DataNode副本

集群停止服务在被修复之前如何处理？

采用两个namenode，进行高可用，两个namenode不能同时响应，high availablility

datanode提供真实文件数据的存储服务。
文件块（block）：最基本的存储单位。对于文件内容而言，一个文件的长度大小是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一个Block。HDFS默认Block大小是128MB，以一个256MB文件，共有256/128=2个Block.
dfs.block.size
不同于普通文件系统的是，HDFS中，如果一个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
Replication。多复本。默认是三个。

data存放路径：data/dfs/data/current/BP-xxx-/current/finalized

在eclipse中执行Hadoop文件操作时，需要设置jvm的用户环境变量

文件操作相关方法：FileSystem类

copyFromLocalFile(source,destination)

copyToLocalFile()

mkdirs()

delete(Path,recursive)

listFiles()

主要代码：

Configuration conf=new Configuration()
conf.set("fs.defaultFS","hdfs://localhost:9000");

FileSystem fs=FileSystem.get(conf);
fs.copyFromLocalFile(new Path("c:/qingshu.txt"),new Path("hdfs://localhost:9000/aaa/"));

namenode的主要职责：

1）维护元数据信息

2）维护hdfs的目录树

3）响应客户端的请求

3.RPC调用（远程过程调用：remote process call）

通过网络远程调用服务器上jvm中的对象实例

 loginController <----> socket client,server ========== socket client,server  <----> loginService

SOAP:http+xml

namenode 和 DataNode必须定期通信，来保证数据的正确性

Hadoop自带rpc功能组件：RPC

动态代理+反射实现

4.hdfs下载数据源码

FileSystem fs=FileSystem.get(conf);
DFSInputStream is = fs.open(src);

fs需要调用namenode上打开元数据流的方法，所以需要RPCProxy为成员
fs.open() ----->PRCProxy