HDFS和基本命令操作

HDFS介绍

• HDFS意为Hadoop分布式文件系统，是Apache Hadoop生态圈中的核心组件之一，也是整个生态圈中最底层的分布式存储服务，也是大数据首先要解决的海量存储问题的关键。
• HDFS作为分布式存储，是横跨在多太计算机上的存储系统，能够在普通硬件上运行，具有高度的容错性。非常适用于存储大型数据TB级甚至PB级。
• HDFS和普通分布式文件系统一样，使用多台计算机存储文件，并且提供统一的访问接口，如下图所示：
  

HDFS设计目标

• 硬件故障问题：HDFS可能有成百上千的服务器组成，每一个组件都有可能出现故障。因此故障检测和自动快速恢复是HDFS的核心架构目标。
• 批处理：HDFS上的应用主要是流式读取数据，HDFS设计却是批处理，主要原因是相比于数据访问的时间，更注重于数据访问的吞吐量。
• 高聚合数据带宽：HDFS作为支持大文件的分布式文件系统，需要提供很高的聚合数据带宽。
• write-one-read-many访问模型：为了支持高吞吐量的数据访问，HDFS对文件要求使用write-one-read-many访问模型，一但写入之后，无需再修改。
• 代价性比较：移动计算的代价比之移动数据的代价低。一个应用请求的计算，离它操作的数据越近就越高效。将计算移动到数据附近，比之将数据移动到应用所在显然更好。
• 可移植：HDFS可以从一个平台轻松移动到另一个平台。

HDFS适用场景

• 适用场景有：大文件、数据流式访问、一次写入多次读取、低成本部署、高容错。
• 不适用的场景：小文件、数据交互式访问、修改频繁的文件、低延时处理。

HDFS重要特性

主从架构

• HDFS群集是标准的主从架构群集，一般来说是由1个Namenode和多个Datanode组成，Namenode是HDFS主节点、Datanode是从节点。官方架构图如下所示：
  

分块存储

• HDFS中的文件在物理上是分块存储（block）的，默认大小是128M，不足128M则本身就是一块。块的大小可以通过修改hdfs-default.xml文件中dfs.blocksize参数来指定。
  

副本机制

文件所有的block都会有副本，默认值为3，也就是说会额外会复制2份，副本可以通过修改dfs.replication参数来设置。

元数据MetaData管理

• HDFS中是由Namenode管理元数据，元数据主要有两种类型。
  • 文件自身的属性信息：文件名称、权限，修改时间，文件大小，复制因子，数据块大小。
  • 文件块映射信息：记录文件块和DataNode之间的映射信息，即哪个块位于哪个节点上。

Namespace命名空间

• HDFS支持传统的层次型文件组织结构。用户可以创建目录，然后将文件保存在这些目录里。文件系统名字空间的层次结构和大多数现有的文件系统类似：用户可以创建、删除、移动或重命名文件。
• Namenode负责维护文件系统的Namespace名称空间，任何对文件系统名称空间或属性的修改都将被Namenode
  记录下来。
• HDFS会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件。

数据块存储

• 文件的各个block的具体存储管理由DataNode节点承担。
• 每一个block都可以在多个DataNode上存储。

HDFS基本命令操作

1. 创建文件夹命令

#path为目录
#-p选项的行为与mkdir -p非常相似，它会沿着路径创建父目录
hadoop fs -mkdir [-p] <path> ... 
#示例
hadoop fs -mkdir /cauchy

2. 查看指定目录下内容

#path为目录
# -h 人性化显示文件size
# -R 递归查看指定目录及其子目录
hadoop fs -ls [-h] [-R] [<path> ...] 

3. 上传文件到HDFS目录下

# -f 覆盖目标文件（已存在下）
# -p 保留访问和修改时间，所有权和权限。
# localsrc 本地文件系统（客户端所在机器）
# dst 目标文件系统（HDFS）
 hadoop fs -put [-f] [-p] <localsrc> ... <dst>

#示例
hadoop fs -put file:///root/hello.txt hdfs://node1:8020/cauchy

4. 下载HDFS文件

#解释与上传相同
hadoop fs -get [-f] [-p] <src> ... <localdst>

#示例
hadoop fs -get hdfs://node1:8020/cauchy/hello.txt ./

5. 拷贝HDFS文件

# -f覆盖目标文件
hadoop fs -cp [-f] <src> ... <dst>

#示例（默认是hdfs所以可以不需要加hdfs://....）
hadoop fs -cp -f /test/nihao.txt /cauchy/

6. HDFS数据移动操作

#类似于mv操作
hadoop fs -mv <src> ... <dst>

#示例
hadoop fs -mv /test/nihao.txt ni_hao.txt

7. HDFS其他指令

• HDFS其他指令请参考官网链接
  

这篇好文章是转载于：学新通技术网