Hadoop学习指南:探索大数据时代的重要组成——HDFS(上)

IT知识
99
0
0
2024-05-25
HDFS

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 1)高容错性

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 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; 3)不支持并发写入、文件随机修改。 ➢ 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。 ➢ 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

1)NameNode(nn):就是Master,它 是一个主管、管理者。 (1)管理HDFS的名称空间; (2)配置副本策略; (3)管理数据块(Block)映射信息; (4)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。 (1)存储实际的数据块; (2)执行数据块的读/写操作 3)Client:就是客户端。 (1)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; (2)与NameNode交互,获取文件的位置信息; (3)与DataNode交互,读取或者写入数据; (4)Client提供一些命令来管理HDFS,比如NameNode格式化; (5)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。 (1)辅助NameNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNode; (2)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? (1)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; (2)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。

2.HDFS的Shell操作(开发重点)

2.1 基本语法

hadoop fs 具体命令 OR hdfs dfs 具体命令 两个是完全相同的。

2.2 命令大全

[atguigu@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)

[atguigu@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh 
[atguigu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh 

2)-help:输出这个命令参数

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

3)创建/sanguo文件夹

[atguigu@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

[atguigu@hadoop102 hadoop-3.1.3]$ vim shuguo.txt 
输入: 
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

[atguigu@hadoop102 hadoop-3.1.3]$ vim weiguo.txt 
输入: 
weiguo 
 
[atguigu@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

[atguigu@hadoop102 hadoop-3.1.3]$ vim wuguo.txt 
输入: 
wuguo 
 
[atguigu@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

[atguigu@hadoop102 hadoop-3.1.3]$ vim liubei.txt 
输入: 
liubei 
 
[atguigu@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

[atguigu@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

[atguigu@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

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

2)-cat:显示文件内容

[atguigu@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

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs  -chmod 666  
/sanguo/shuguo.txt 
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs  -chown  atguigu:atguigu   
/sanguo/shuguo.txt 

4)-mkdir:创建路径

[atguigu@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

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

6)-mv:在HDFS目录中移动文件

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

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

8)-rm:删除文件或文件夹

[atguigu@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

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

10)-du 统计文件夹的大小信息

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

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 10 /jinguo/shuguo.txt 

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。

3.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

在这里插入图片描述

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。

在这里插入图片描述

验证Hadoop环境变量是否正常。双击winutils.exe,如果报如下错误。说明缺少微软运行库(正版系统往往有这个问题)。 4)在IDEA中创建一个Maven工程HdfsClientDemo,并导入相应的依赖坐标+日志添加

<dependencies> 
    <dependency> 
        <groupId>org.apache.hadoop</groupId> 
        <artifactId>hadoop-client</artifactId> 
        <version>3.1.3</version> 
    </dependency> 
    <dependency> 
        <groupId>junit</groupId> 
        <artifactId>junit</artifactId> 
        <version>4.12</version> 
    </dependency> 
    <dependency> 
        <groupId>org.slf4j</groupId> 
        <artifactId>slf4j-log4j12</artifactId> 
        <version>1.7.30</version> 
    </dependency> 
</dependencies> 

在项目的src/main/resources目录下,新建一个文件,命名为“log4j.properties”,在文件中填入

log4j.rootLogger=INFO, stdout   
log4j.appender.stdout=org.apache.log4j.ConsoleAppender   
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout   
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n   
log4j.appender.logfile=org.apache.log4j.FileAppender   
log4j.appender.logfile.File=target/spring.log   
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout   
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n 

5)创建包名:com.atguigu.hdfs 6)创建HdfsClient类

public class HdfsClient { 
 
    @Test 
    public void testMkdirs() throws IOException, URISyntaxException, 
InterruptedException { 
 
        // 1 获取文件系统
           Configuration configuration = new Configuration(); 
 
        // FileSystem fs = FileSystem.get(new 
URI("hdfs://hadoop102:8020"), configuration); 
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration,"atguigu"); 
 
        // 2 创建目录 
        fs.mkdirs(new Path("/xiyou/huaguoshan/")); 
 
        // 3 关闭资源 
        fs.close(); 
    } 
} 

7)执行程序 客户端去操作HDFS时,是有一个用户身份的。默认情况下,HDFS客户端API会从采 用Windows默认用户访问HDFS,会报权限异常错误。所以在访问HDFS时,一定要配置 用户。

org.apache.hadoop.security.AccessControlException: Permission denied: 
user=56576, access=WRITE, 
inode="/xiyou/huaguoshan":atguigu:supergroup:drwxr-xr-x 

3.2 HDFS的API案例实操

3.2.1 HDFS文件上传(测试参数优先级) 1)编写源代码

@Test 
public void testCopyFromLocalFile() throws IOException, 
InterruptedException, URISyntaxException { 
 
    // 1 获取文件系统 
    Configuration configuration = new Configuration(); 
    configuration.set("dfs.replication", "2"); 
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "atguigu"); 
 
    // 2 上传文件 
    fs.copyFromLocalFile(new Path("d:/sunwukong.txt"), new 
Path("/xiyou/huaguoshan")); 
 
    // 3 关闭资源 
    fs.close(); 
} 

2)将hdfs-site.xml拷贝到项目的resources资源目录下

<?xml version="1.0" encoding="UTF-8"?> 
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?> 
 
<configuration> 
 <property> 
  <name>dfs.replication</name> 
          <value>1</value> 
 </property> 
</configuration> 

3)参数优先级 参数优先级排序:(1)客户端代码中设置的值 > (2)ClassPath下的用户自定义配置文 件 >(3)然后是服务器的自定义配置(xxx-site.xml) >(4)服务器的默认配置(xxx-default.xml)

3.2.2 HDFS文件下载

@Test 
public void testCopyToLocalFile() throws IOException, 
InterruptedException, URISyntaxException{ 
 
    // 1 获取文件系统 
    Configuration configuration = new Configuration(); 
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "atguigu"); 
     
    // 2 执行下载操作 
    // boolean delSrc 指是否将原文件删除 
    // Path src 指要下载的文件路径 
    // Path dst 指将文件下载到的路径 
    // boolean useRawLocalFileSystem 是否开启文件校验 
    fs.copyToLocalFile(false, new 
Path("/xiyou/huaguoshan/sunwukong.txt"), new Path("d:/sunwukong2.txt"), 
true); 
     
    // 3 关闭资源 
    fs.close(); 
} 

注意:如果执行上面代码,下载不了文件,有可能是你电脑的微软支持的运行库少,需 要安装一下微软运行库。 3.2.3 HDFS文件更名和移动

@Test 
public void testRename() throws IOException, InterruptedException, 
URISyntaxException{ 
 
 // 1 获取文件系统 
 Configuration configuration = new Configuration(); 
 FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "atguigu");  
   
 // 2 修改文件名称 
 fs.rename(new Path("/xiyou/huaguoshan/sunwukong.txt"), new 
Path("/xiyou/huaguoshan/meihouwang.txt")); 
   
 // 3 关闭资源 
 fs.close(); 
} 

3.2.4 HDFS删除文件和目录

@Test 
public void testDelete() throws IOException, InterruptedException, 
URISyntaxException{ 
 
 // 1 获取文件系统 
 Configuration configuration = new Configuration(); 
 FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "atguigu"); 
   
 // 2 执行删除 
 fs.delete(new Path("/xiyou"), true); 
   
 // 3 关闭资源 
 fs.close(); 
} 

3.2.5 HDFS文件详情查看 查看文件名称、权限、长度、块信息

@Test 
public void testListFiles() throws IOException, InterruptedException, 
URISyntaxException { 
 
 // 1获取文件系统 
 Configuration configuration = new Configuration(); 
 FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "atguigu"); 
 
 // 2 获取文件详情 
 RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), 
true); 
 
 while (listFiles.hasNext()) { 
  LocatedFileStatus fileStatus = listFiles.next(); 
 
  System.out.println("========" + fileStatus.getPath() + "========="); 
  System.out.println(fileStatus.getPermission()); 
  System.out.println(fileStatus.getOwner()); 
  System.out.println(fileStatus.getGroup()); 
  System.out.println(fileStatus.getLen()); 
  System.out.println(fileStatus.getModificationTime()); 
  System.out.println(fileStatus.getReplication()); 
  System.out.println(fileStatus.getBlockSize()); 
  System.out.println(fileStatus.getPath().getName()); 
 
  // 获取块信息 
  BlockLocation[] blockLocations = fileStatus.getBlockLocations(); 
  System.out.println(Arrays.toString(blockLocations)); 
 } 
 // 3 关闭资源 
 fs.close(); 
} 

3.2.6 HDFS 文件和文件夹判断

@Test
public void testListStatus() throws IOException, InterruptedException,
    URISyntaxException{
    // 1 获取文件配置信息
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"),
    configuration, "atguigu");
    // 2 判断是文件还是文件夹
    FileStatus[] listStatus = fs.listStatus(new Path("/"));
    for (FileStatus fileStatus : listStatus) {
        // 如果是文件
        if (fileStatus.isFile()) {
            System.out.println("f:"+fileStatus.getPath().getName());
        }else {
            System.out.println("d:"+fileStatus.getPath().getName());
        }
    }
    // 3 关闭资源
    fs.close();
}