HDFS分布式文件系统原理及shell的使用

1. HDFS简介

Hadoop分布式文件系统(HDFS)被设计成适合运行普通pc上的分布式文件系统。总的设计思想：分而治之——将大文件、大批量文件，分布式存放在大量独立的服务器上，以便于采取分而治之的方式对海量数据进行运算分析。

HDFS是一个主/从（Mater/Slave）体系结构，从最终用户的角度来看，它就像传统的文件系统一样，可以通过目录路径对文件执行CRUD（Create、Read、Update和Delete）操作。
但由于分布式存储的性质，HDFS集群拥有一个NameNode和一些DataNode。NameNode管理文件系统的元数据，DataNode存储实际的数据。

HDFS一般是用来“一次写入，多次读取”，不适合做实时交互性很强的事情，不适合存储大量小文件。

2. HDFS的工作原理以及读写策略

<ul>
<li>block 块</li>
在操作系统里面学过，文件是以块的方式存放在硬盘上面的，块表示了系统读/写文件的最小大小。（操作系统内存分配的原则是段页式分配，也就是有一个页和页框的概念，页框的大小就是块的大小。）

同理，分布式的文件系统，也有块的概念，大小是128MB。（书上说是64MB，结果自己在电脑上看了一下配置文件，hadoop 2.0以后的版本都变成了128MB）。

hadoop文件系统为了应付单点故障，默认将文件的副本设定为了3份。（在伪分布模式下面 副本的个数是1份）。当如果一个机器上面副本出现了故障，namenode 和 datanode 通过心跳机制通信，如果namenode发现datanode挂了，在另外的机器读取一个副本并进行存储。（这个过程对用户来说，是透明的）
<br />
<li> namenode 和 datanode</li>
hdfs里面有两类节点，一类是namenode，一类是datanode。namenode的作用是管理文件系统的命名空间，维护整个文件系统的文件目录树，以及这些文件的索引目录。

datanode用来存储文件块，被客户机和namenode调用。同时，他们通过心跳（heartbeat）定时向namenode发送所存储的文件块信息。
<br />
<li> 读写策略</li>
读取文件的时候，client 先会和namenode通信，告诉namenode要读的文件，然后namenode返回一个离客户机最近的副本。

image.png

写文件的流程

image.png

</ul>

3.hdfs的操作和Java API

（注意 下面所有的命令的运行都是 伪分布式模式下运行的结果）

1. 查看分布式文件系统

   
   image.png

2. 查看文件

   
   image.png

3. 创建文件夹

   
   image.png

4. 从本地拷贝文件到分布式系统

   
   image.png

5. 使用put命令 将本地文件上传到分布式文件系统

   
   image.png

6. 查看文件系统 （注意这里指明了namenode的位置）

   
   image.png

image.png image.png

7 使用get命令将文件从分布式文件系统下载到本地

image.png