4_大数据之Hadoop(HDFS)

作者: 十丈_红尘 | 来源:发表于2019-05-28 15:32 被阅读0次

一 `HDFS`简介

HDFS产出背景以及定义 2.HDFS优缺点 3. HDFS组成架构 4. HDFS文件块大小

二 `HDFS`的`Shell`操作

基本语法
bin/hadoop fs具体命令 OR bin/hdfs dfs具体命令
dfs是fs的实现类。

常用命令实操
2.1 启动Hadoop集群（方便后续的测试）
sbin/start-dfs.sh
sbin/start-yarn.sh
2.2 -help：输出这个命令参数
hadoop fs -help rm
2.3 -ls: 显示目录信息
hadoop fs -ls /
2.4. -mkdir：在HDFS上创建目录
hadoop fs -mkdir -p /sanguo/shuguo
2.5 -moveFromLocal：从本地剪切粘贴到HDFS
hadoop fs  -moveFromLocal  ./kongming.txt  /sanguo/shuguo
2.6 -appendToFile：追加一个文件到已经存在的文件末尾
hadoop fs -appendToFile liubei.txt /sanguo/shuguo/kongming.txt
2.7 -cat：显示文件内容
hadoop fs -cat /sanguo/shuguo/kongming.txt
2.8 -chgrp、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限
hadoop fs  -chmod  666  /sanguo/shuguo/kongming.txt
hadoop fs  -chown  xxx:xxx   /sanguo/shuguo/kongming.txt
2.9 -copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去
hadoop fs -copyFromLocal README.txt /
2.10 -copyToLocal：从HDFS拷贝到本地
hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./
2.11 -cp ：从HDFS的一个路径拷贝到HDFS的另一个路径
hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt
2.12 -mv：在HDFS目录中移动文件
hadoop fs -mv /zhuge.txt /sanguo/shuguo/
2.13 -get：等同于copyToLocal，就是从HDFS下载文件到本地
hadoop fs -get /sanguo/shuguo/kongming.txt ./
2.14 -getmerge：合并下载多个文件，比如HDFS的目录 /user/xxx/test下有多个文件:log.1, log.2,log.3,...
hadoop fs -getmerge /user/xxx/test/* ./zaiyiqi.txt
2.15 -put：等同于copyFromLocal
hadoop fs -put ./zaiyiqi.txt /user/xxx/test/
2.16 -tail：显示一个文件的末尾
hadoop fs -tail /sanguo/shuguo/kongming.txt
2.17 -rm：删除文件或文件夹
hadoop fs -rm /user/xxx/test/jinlian2.txt
2.18 -rmdir：删除空目录
hadoop fs -rmdir /test
2.19 -du : 统计文件夹的大小信息
hadoop fs -du -s -h /user/xxx/test
2.20 -setrep：设置HDFS中文件的副本数量
hadoop fs -setrep 10 /sanguo/shuguo/kongming.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。`

三 `HDFS`客户端操作

1️⃣HDFS客户端环境准备
1．根据自己电脑的操作系统拷贝对应的编译后的hadoop jar包到非中文路径（例如：D:\Develop\hadoop-2.7.2）
2．配置HADOOP_HOME环境变量
3．配置Path环境变量
4．创建一个Maven工程HdfsClientDemo
5．导入相应的依赖坐标+日志添加

<dependencies>
   <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>
   <dependency>
      <groupId>jdk.tools</groupId>
       <artifactId>jdk.tools</artifactId>
       <version>1.8</version>
       <scope>system</scope>
       <systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
   </dependency>
</dependencies>

注意：如果Eclipse/Idea打印不出日志，在控制台上只显示

1.log4j:WARN No appenders could be found for logger (org.apache.hadoop.util.Shell).  
2.log4j:WARN Please initialize the log4j system properly.  
3.log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.

需要在项目的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

6．创建包名：com.xxx.hdfs
7．创建HdfsClient类

public class HdfsClient{   
@Test
public void testMkdirs() throws IOException, InterruptedException, >URISyntaxException{
      
      // 1 获取文件系统
      Configuration configuration = new Configuration();
      // 配置在集群上运行
      // configuration.set("fs.defaultFS", "hdfs://hadoop102:9000");
      // FileSystem fs = FileSystem.get(configuration);

      FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "xxx");
      
      // 2 创建目录
      fs.mkdirs(new Path("/1108/daxian/banzhang"));
      
      // 3 关闭资源
      fs.close();
  }
}

8．执行程序运行时需要配置用户名称

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JVM中获取一个参数来作为自己的用户身份：-DHADOOP_USER_NAME=xxx，xxx为用户名称。

2️⃣HDFS的API操作
1. HDFS文件上传

@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://hadoop102:9000"), configuration, "xxx");

      // 2 上传文件
      fs.copyFromLocalFile(new Path("e:/banzhang.txt"), new Path("/banzhang.txt"));

      // 3 关闭资源
      fs.close();

      System.out.println("over");
}

将hdfs-site.xml拷贝到项目的根目录下

<?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>

参数优先级排序 : 客户端代码中设置的值 > ClassPath下的用户自定义配置文件 > 然后是服务器的默认配置
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://hadoop102:9000"), configuration, "xxx");
      
      // 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("/banzhang.txt"), new >Path("e:/banhua.txt"), true);
      
      // 3 关闭资源
      fs.close();
}

HDFS文件夹删除

@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://hadoop102:9000"), configuration, "xxx");
      
  // 2 执行删除
  fs.delete(new Path("/0508/"), true);
      
  // 3 关闭资源
  fs.close();
}

HDFS文件名更改

@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://hadoop102:9000"), configuration, "xxx"); 
      
  // 2 修改文件名称
  fs.rename(new Path("/banzhang.txt"), new Path("/banhua.txt"));
      
  // 3 关闭资源
  fs.close();
}

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://hadoop102:9000"), configuration, "xxx"); 
      
  // 2 获取文件详情
  RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
      
  while(listFiles.hasNext()){
      LocatedFileStatus status = listFiles.next();
          
      // 输出详情
      // 文件名称
      System.out.println(status.getPath().getName());
      // 长度
      System.out.println(status.getLen());
      // 权限
      System.out.println(status.getPermission());
      // 分组
      System.out.println(status.getGroup());
          
      // 获取存储的块信息
      BlockLocation[] blockLocations = status.getBlockLocations();
          
      for (BlockLocation blockLocation : blockLocations) {
              
          // 获取块存储的主机节点
          String[] hosts = blockLocation.getHosts();
              
          for (String host : hosts) {
              System.out.println(host);
          }
      }
          
      System.out.println("-----------班长的分割线----------");
  }

  // 3 关闭资源
  fs.close();
}

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://hadoop102:9000"), configuration, "xxx");
      
  // 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();
}

四 `HDFS`的数据流

1️⃣HDFS写数据流程
1. HDFS写数据流程
1）客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。
2）NameNode返回是否可以上传。
3）客户端请求第一个Block上传到哪几个DataNode服务器上。
4）NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。
5）客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成。
6）dn1、dn2、dn3逐级应答客户端。
7）客户端开始往dn1上传第一个Block（先从磁盘读取数据放到一个本地内存缓存），以Packet为单位，dn1收到一个Packet就会传给dn2，dn2传给dn3；dn1每传一个packet会放入一个应答队列等待应答。
8）当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器。（重复执行3-7步）。
2. 网络拓扑-节点距离计算
在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？
节点距离：两个节点到达最近的共同祖先的距离总和。
例如，假设有数据中心d1机架r1中的节点n1。该节点可以表示为/d1/r1/n1。利用这种标记，这里给出四种距离描述
3. 机架感知（副本存储节点选择）
1. 官方说明

For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on one node in the local rack, another on a different node in the local rack, and the last on a different node in a different rack.

2. Hadoop2.7.2副本节点选择

2️⃣HDFS读数据流程
1. HDFS的读数据流程
1）客户端通过Distributed FileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
3）DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet为单位来做校验）。
4）客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。

五 `HDFS 2.X`新特性

1️⃣集群间数据拷贝
1．scp实现两个远程主机之间的文件复制

# 推 push
scp -r hello.txt [root@hadoop103:/user/xxx/hello.txt](mailto:root@hadoop103%253A/user/xxx/hello.txt)  
# 拉 pull
scp -r [root@hadoop103:/user/xxx/hello.txt hello.txt](mailto:root@hadoop103%253A/user/xxx/hello.txt%2520%2520hello.txt)
# 是通过本地主机中转实现两个远程主机的文件复制；如果在两个远程主机之间ssh没有配置的情况下可以使用该方式。
scp -r [root@hadoop103:/user/xxx/hello.txt](mailto:root@hadoop103%253A/user/xxx/hello.txt) root@hadoop104:/user/xxx

2．采用distcp命令实现两个Hadoop集群之间的递归数据复制

bin/hadoop distcp hdfs://haoop102:9000/user/xxx/hello.txt hdfs://hadoop103:9000/user/xxx/hello.txt

2️⃣小文件存档
1. 案例实操
（1）需要启动YARN进程 start-yarn.sh
（2）归档文件,把/user/xxx/input目录里面的所有文件归档成一个叫input.har的归档文件，并把归档后文件存储到/user/xxx/output路径下。
bin/hadoop archive -archiveName input.har –p  /user/xxx/input   /user/xxx/output
（3）查看归档
hadoop fs -lsr /user/xxx/output/input.har
hadoop fs -lsr har:///user/xxx/output/input.har
（4）解归档文件 hadoop fs -cp har:/// user/xxx/output/input.har/* /user/xxx

4_大数据之Hadoop(HDFS)

一 `HDFS`简介

二 `HDFS`的`Shell`操作

三 `HDFS`客户端操作

四 `HDFS`的数据流

五 `HDFS 2.X`新特性

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

4_大数据之Hadoop(HDFS)

一 HDFS简介

二 HDFS的Shell操作

三 HDFS客户端操作

四 HDFS的数据流

五 HDFS 2.X新特性

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

一 `HDFS`简介

二 `HDFS`的`Shell`操作

三 `HDFS`客户端操作

四 `HDFS`的数据流

五 `HDFS 2.X`新特性