Hadoop作为大数据主流的基础架构选择，至今仍然占据着重要的地位，而基于Hadoop的分布式文件系统HDFS，也在大数据存储环节发挥着重要的支撑作用。今天的大数据入门分享，我们就主要来讲讲HDFS分布式文件管理系统。
一、HDFS文件管理系统
根据物理存储形态，数据存储可分为集中式存储与分布式存储两种。集中式存储以传统存储阵列（传统存储）为主，分布式存储（云存储）以软件定义存储为主。
传统存储：一向以可靠性高、稳定性好，功能丰富而著称，但与此同时，传统存储也暴露出横向扩展性差、价格昂贵、数据连通困难等不足，容易形成数据孤岛，导致数据中心管理和维护成本居高不下。
分布式存储：将数据分散存储在网络上的多台独立设备上，一般采用标准x86服务器和网络互联，并在其上运行相关存储软件，系统对外作为一个整体提供存储服务。
数据量越来越多，在一个操作系统管辖的范围存不下了，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，因此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。
常见的分布式文件系统有GFS、HDFS、Lustre、Ceph、GridFS、mogileFS、TFS、FastDFS等，而HDFS作为Hadoop的核心组件之一，在市场主流的使用非常普遍。
二、HDFS文件系统的特点
优点：
（1）高容错性。数据自动保存多个副本。通过增加副本的形式，提高容错性，某一个副本丢失，可以自动恢复。
（2）适合大规模的数据、文件处理。
（3）采用流式的数据访问方式，一次存入多次读取，存入的数据只能追加，不能修改。
（4）可以部署在廉价的机器上。
缺点：
（1）不适合低延时的数据访问，对延时要求在毫秒级别的应用，不适合采用HDFS。HDFS是为高吞吐数据传输设计的，因此可能牺牲延时。HBase更适合低延时的数据访问。
（2）无法高效地对大量小文件进行存储。文件的元数据（如目录结构，文件block的节点列表，block-node mapping）保存在NameNode的内存中，整个文件系统的文件数量会受限于NameNode的内存大小。
（3）无法支持并发写入。一个文件只能有一个写，不允许多个线程同时写入。
（4）不支持文件随机修改，仅支持文件追加。
三、HDFS文件系统常用命令
命令行的交互主要通过hadoop fs来操作。
1、显示目录信息
#显示根目录下所有文件和目录
hadoop fs-ls/
#递归显示根目录下所有文件和目录
hadoop fs-ls-R/
2、将本地文件或目录上传到HDFS
#hdfs dfs-put<本地文件路径><HDFS路径>
hdfs dfs-put ceshi.txt/opt/data
copyFromLocal命令同样用于上传文件
hdfs dfs-copyFromLocal./ceshi.txt/opt/data
3、将文件或目录从HDFS中的路径拷贝到本地
hdfs dfs-get/opt/data/ceshi.txt/usr/local
copyToLocal命令同样可以实现从HDFS中的路径拷贝到本地
hdfs dfs-copyToLocal/opt/data/ceshi.txt/usr/local
4、将文件或目录从HDFS的源路径移动到目标路径
不允许跨文件系统移动文件。
hdfs dfs-mv/opt/data/ceshi.txt/opt/local
5、将文件或目录复制到目标路径下
hdfs dfs-cp[-f][-p|-p[topax]]URI[URI…]<dest>
选项：
-f选项覆盖已经存在的目标。
-p选项将保留文件属性[topx]（时间戳，所有权，权限，ACL，XAttr）。
6、删除一个文件或目录
hdfs dfs-rm[-f][-r|-R][-skipTrash]URI[URI…]
选项：
如果文件不存在，-f选项将不显示诊断消息或修改退出状态以反映错误。
-R选项以递归方式删除目录及其下的任何内容。
-r选项等效于-R。
-skipTrash选项将绕过垃圾桶（如果已启用），并立即删除指定的文件。当需要从超配额目录中删除文件时，这非常有用。
7、追加一个文件到已存在的文件末尾
hadoop fs-appendToFile<localsrc>...<dst>
hadoop fs-appendToFile./ce.txt/opt/data/ceshi.txt
8、显示文件内容-cat
9、显示文件的末尾-tail
10、合并下载多个文件
#将HDFS的/opt/data目录下的文件合并为hb.txt文件并下载到本地
hadoop dfs-getmerge/opt/data/hb.txt
合并后的文件位于当前目录，不在hdfs中，是本地文件。
11、统计文件系统的可用空间信息-df
12、显示给定目录中包含的文件和目录的大小或文件的长度
hdfs dfs-du/opt/data/
HDFS作为Hadoop原生的核心组件之一，也是大数据学习当中的一块重点，分布式文件管理系统HDFS，需要深入去理解和掌握。
网友评论