写在前面
如今,数据正以指数级增长,各行各业都在追求更多的数据存储、高效的数据处理和可靠的数据基础来驱动业务的发展。Hadoop Distributed File System(HDFS)作为Hadoop生态系统的核心组件之一,成为构建可靠的大数据基础的不二选择之一。本文将深入剖析HDFS的架构与优势。
一、 HDFS概述
1.1 HDFS简介
HDFS(Hadoop分布式文件系统)是Apache Hadoop框架的一部分,计划用于存储和处理大规模数据集的分布式文件系统。HDFS产生的背景重要是为了满足处理大规模数据的需求。
在过去,传统的文件系统难以处理大规模数据集,因为它们通常只能在单个服务器上存储和操纵数据。随着大数据时代的到来,企业和构造面对着巨大的数据规模和复杂性。为了应对这个挑战,HDFS被开辟出来作为一个高度可靠和高容量的分布式文件系统。
HDFS的计划目标是能够在廉价的硬件上运行,并且能够容纳上千台机器的集群。它通过将数据切分成多个块并将其分散存储在不同的盘算节点上,实现了高吞吐量的数据访问和处理本事。别的,HDFS还提供了故障容错功能,能够自动处理存储节点的故障。
简而言之,HDFS是为了解决大规模数据处理问题而计划的,它提供了高可靠性、高扩展性和高吞吐量的分布式文件系统解决方案。
1.2 HDFS优缺点
1.2.1 优点
- 高容错、高可用、高扩展
- 数据冗余多副本、副本丢失后自动恢复
- NameNode HA、安全模式
- 10K节点规模,通过横向扩展来增长存储容量和处理本事。
- 海量数据存储(高容量)
- 典范文件大小GB~TB,百万以上文件数量,PB甚至EB以上数据规模
- 构建成本低、安全可靠
- 构建在廉价的商用服务器上,低落了存储成本和维护成本。
- 通过多副本机制,提高可靠性
- 提供了容错和恢复机制
- 适合大规模离线批处理
1.2.2 缺点
- 不适合低耽误数据访问
- 对于实时数据访问和低耽误要求较高的场景,HDFS的性能可能不够理想
- 不适合大量小文件存储
- 元数据会占用NameNode大量存储空间
- 磁盘寻道时间凌驾读取时间
- 不支持并发写入
- 不支持文件随机修改
1.3 HDFS构成架构
- NameNode(nn):
NameNode是HDFS的主节点(Master),负责管理整个文件系统的定名空间和数据块的元数据信息。它维护文件系统的目次结构、文件的安全权限信息和数据块的位置信息等。NameNode还处理客户端的文件系统操纵哀求,如文件的读写和块的创建、复制和删除等。
- DataNode(dn):
DataNode是HDFS的工作节点(Slave),负责现实存储文件数据和执行文件系统操纵的使命。每个DataNode负责管理肯定数量的数据块,并定期向NameNode陈诉数据块的存储信息。DataNode还处理来自客户端和其他DataNode的读取和写入哀求,以及数据块的复制和恢复等。
- 客户端(Client):
客户端是利用HDFS的应用程序。它们通过与Namenode和DataNode举行通信来读取和写入文件。客户端向NameNode哀求文件的元数据信息,根据元数据信息确定所需数据块的位置,并从DataNode获取数据。客户端还负责处理文件系统的操纵,如创建、删除、重定名和移动文件等。
1.4 HDFS文件块大小
HDFS中的文件在物理上是分成一个个数据块(Block)存储的,块的大小可以通过设置参数(dfs.blocksize)来规定,文件块默认大小是128M。
HDFS文件块的大小选择是根据以下考虑因素:
- 吞吐量:较大的文件块大小在处理大文件时可以提供更高的吞吐量。这是因为较大的文件块淘汰了磁盘寻道和网络传输的开销,使得数据读取和写入能够更加高效。
- 空间利用:较大的文件块可以淘汰存储元数据的开销。在HDFS中,每个文件块都有一条元数据纪录,较小的文件块可能会导致元数据纪录数量增长,增长了存储的开销。
- 并行性:较大的文件块可以提高数据的并行处理本事。在HDFS中,数据块是独立存储和处理的,较大的文件块能够在不同的盘算节点上并行处理,从而淘汰整个作业的执行时间。
较大的文件块适合存储大型文件和批量处理使命,但对于小型文件和实时数据处理,较小的文件块可能更加适合。
Q:为什么HDFS文件块的大小不能太大,也不能设置太小呢?
A: 文件块设置太小,会增长寻址的时间;设置太大,会导致数据处理非常慢。
HDFS文件块的大小设置取决于磁盘的传输速率
二、HDFS的Shell操纵(开辟重点)
2.1 基本语法
hadoop fs 具体命令 大概 hdfs dfs 具体命令
2.2 命令大全
- [amo@hadoop102 hadoop-3.2.4]$ bin/hadoop fs
- Usage: hadoop fs [generic options]
- [-appendToFile <localsrc> ... <dst>]
- [-cat [-ignoreCrc] <src> ...]
- [-checksum <src> ...]
- [-chgrp [-R] GROUP PATH...]
- [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
- [-chown [-R] [OWNER][:[GROUP]] PATH...]
- [-copyFromLocal [-f] [-p] [-l] [-d] [-t <thread count>] [-q <thread pool queue size>] <localsrc> ... <dst>]
- [-copyToLocal [-f] [-p] [-crc] [-ignoreCrc] [-t <thread count>] [-q <thread pool queue size>] <src> ... <localdst>]
- [-count [-q] [-h] [-v] [-t [<storage type>]] [-u] [-x] [-e] <path> ...]
- [-cp [-f] [-p | -p[topax]] [-d] [-t <thread count>] [-q <thread pool queue size>] <src> ... <dst>]
- [-createSnapshot <snapshotDir> [<snapshotName>]]
- [-deleteSnapshot <snapshotDir> <snapshotName>]
- [-df [-h] [<path> ...]]
- [-du [-s] [-h] [-v] [-x] <path> ...]
- [-expunge [-immediate]]
- [-find <path> ... <expression> ...]
- [-get [-f] [-p] [-crc] [-ignoreCrc] [-t <thread count>] [-q <thread pool queue size>] <src> ... <localdst>]
- [-getfacl [-R] <path>]
- [-getfattr [-R] {-n name | -d} [-e en] <path>]
- [-getmerge [-nl] [-skip-empty-file] <src> <localdst>]
- [-head <file>]
- [-help [cmd ...]]
- [-ls [-C] [-d] [-h] [-q] [-R] [-t] [-S] [-r] [-u] [-e] [<path> ...]]
- [-mkdir [-p] <path> ...]
- [-moveFromLocal [-f] [-p] [-l] [-d] <localsrc> ... <dst>]
- [-moveToLocal <src> <localdst>]
- [-mv <src> ... <dst>]
- [-put [-f] [-p] [-l] [-d] [-t <thread count>] [-q <thread pool queue size>] <localsrc> ... <dst>]
- [-renameSnapshot <snapshotDir> <oldName> <newName>]
- [-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ...]
- [-rmdir [--ignore-fail-on-non-empty] <dir> ...]
- [-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
- [-setfattr {-n name [-v value] | -x name} <path>]
- [-setrep [-R] [-w] <rep> <path> ...]
- [-stat [format] <path> ...]
- [-tail [-f] [-s <sleep interval>] <file>]
- [-test -[defswrz] <path>]
- [-text [-ignoreCrc] <src> ...]
- [-touch [-a] [-m] [-t TIMESTAMP (yyyyMMdd:HHmmss) ] [-c] <path> ...]
- [-touchz <path> ...]
- [-truncate [-w] <length> <path> ...]
- [-usage [cmd ...]]
- Generic options supported are:
- -conf <configuration file> specify an application configuration file
- -D <property=value> define a value for a given property
- -fs <file:///|hdfs://namenode:port> specify default filesystem URL to use, overrides 'fs.defaultFS' property from configurations.
- -jt <local|resourcemanager:port> specify a ResourceManager
- -files <file1,...> specify a comma-separated list of files to be copied to the map reduce cluster
- -libjars <jar1,...> specify a comma-separated list of jar files to be included in the classpath
- -archives <archive1,...> specify a comma-separated list of archives to be unarchived on the compute machines
- The general command line syntax is:
- command [genericOptions] [commandOptions]
复制代码 2.3 常用命令实操
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -mkdir /amoxilin
复制代码
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -help rm
复制代码 2.3.1 上传
- -moveFromLocal:从本地剪切粘贴到HDFS
- # 创建一个测试文件 test.txt,并输入一些内容
- [amo@hadoop102 hadoop-3.2.4]$ vim test.txt
- # 使用 moveFromLocal 命令将test.txt文件移动到 HDFS
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -moveFromLocal ./test.txt /amoxilin
复制代码
- -copyFromLocal:从本地文件系统中拷贝文件到HDFS路径去
- [amo@hadoop102 hadoop-3.2.4]$ vim test1.txt
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -copyFromLocal test1.txt /amoxilin
复制代码
- -put:等同于copyFromLocal,生产情况更习惯用put
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -put test1.txt /amoxilin
复制代码
- -appendToFile:追加一个文件到已经存在的文件末了
- # 创建一个文件test2.txt 并输入内容: 123
- [amo@hadoop102 hadoop-3.2.4]$ vim test2.txt
- # 将文件 test2.txt 追加到test.txt文件末尾
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -appendToFile test2.txt /amoxilin/test.txt
复制代码
2.3.2 下载
- # 将 HDFS 中的test.txt文件copy下来
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -copyToLocal /amoxilin/test.txt ./
- [amo@hadoop102 hadoop-3.2.4]$ ls # 查看文件是否拷贝成功 文件夹中有 test.txt,拷贝成功
- bin etc lib LICENSE.txt NOTICE.txt sbin test1.txt test.txt wcoutput
- data include libexec logs README.txt share test2.txt wcinput
- [amo@hadoop102 hadoop-3.2.4]$
复制代码
- -get: 等同于copyToLocal,生产情况更习惯用get
- # 将 HDFS 中的test.txt文件copy下来,并起一个其他的名字比如123.txt
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -get /amoxilin/test.txt ./123.txt
- [amo@hadoop102 hadoop-3.2.4]$ ls
- 123.txt etc libexec NOTICE.txt share test.txt
- bin include LICENSE.txt README.txt test1.txt wcinput
- data lib logs sbin test2.txt wcoutput
- [amo@hadoop102 hadoop-3.2.4]$
复制代码 2.3.3 HDFS直接操纵
- # 查看 HDFS 里amoxilin文件夹的目录结构
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -ls /amoxilin
- Found 2 items
- -rw-r--r-- 3 amo supergroup 9 2024-03-07 23:33 /amoxilin/test.txt
- -rw-r--r-- 3 amo supergroup 49 2024-03-07 23:29 /amoxilin/test1.txt
复制代码
- # 查看某个文件的详细信息
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -cat /amoxilin/test.txt
- test
- 123
复制代码
- -chgrp、-chmod、-chown: Linux文件系统中的用法一样,修改文件所属权限
- # 修改文件的权限
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -chmod 666 /amoxilin/test.txt
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -ls /amoxilin
- Found 2 items
- -rw-rw-rw- 3 amo supergroup 9 2024-03-07 23:33 /amoxilin/test.txt
- -rw-r--r-- 3 amo supergroup 49 2024-03-07 23:29 /amoxilin/test1.txt
- # 修改文件的group
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -chown amo:amo/amoxilin/test.txt
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -ls /amoxilin
- Found 2 items
- -rw-rw-rw- 3 amo amo 9 2024-03-07 23:33 /amoxilin/test.txt
- -rw-r--r-- 3 amo supergroup 49 2024-03-07 23:29 /amoxilin/test1.txt
复制代码
- # 创建文件夹
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -mkdir /csdn
复制代码
- -cp: 从HDFS的一个路径拷贝到HDFS的另一个路径
- # 复制文件
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -cp /amoxilin/test1.txt /csdn
复制代码
- # 移动文件
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -mv /amoxilin/test.txt /csdn
复制代码
- # 查看文件末尾内容
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -tail /amoxilin/test1.txt
- 欲买桂花同载酒,终不似,少年游!
- [amo@hadoop102 hadoop-3.2.4]$
复制代码
- # 删除
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -rm /amoxilin/test1.txt
- Deleted /amoxilin/test1.txt
复制代码
- # 递归删除
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -rm -r /amoxilin
- Deleted /amoxilin
复制代码
- # 统计文件夹的大小
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -du -s -h /csdn
- 58 174 /csdn # 58 是文件大小 文件有三个副本就是58*3=174
- # 统计文件夹内各文件的大小
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -du -h /csdn
- 9 27 /csdn/test.txt
- 49 147 /csdn/test1.txt
复制代码
- # 设置hdfs副本数量
- [amo@hadoop102 hadoop-3.2.4]$ hadoop fs -setrep 5 /csdn/test1.txt
- Replication 5 set: /csdn/test1.txt
复制代码
这里设置的副本数只是纪录在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,只有节点数的增长到5台时,副本数才能达到5。
三、HDFS的API操纵
3.1 设置Windows
- 解压Hadoop安装包到Windows系统 D:\hadoop-3.2.4
- 设置$HADOOP_HOME情况变量指向D:\hadoop-3.2.4
- 设置Path情况变量 %HADOOP_HOME%\bin
- 下载
- hadoop.dll 下载地址
- winutils.exe 下载地址
- 将 hadoop.dll 和 winutils.exe 放入$HADOOP_HOME/bin 文件夹中
3.2 HDFS的API案例实操
- 在IDEA中创建一个Maven工程,并导入相应的依靠坐标以及日志
- <dependencies>
- <dependency>
- <groupId>org.apache.hadoop</groupId>
- <artifactId>hadoop-client</artifactId>
- <version>3.2.4</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>
复制代码- public class HdfsClient {
- @Test
- public void test() throws IOException, URISyntaxException, InterruptedException {
- // 1 获取一个客户端实例
- // 参数1:hdfs文件系统地址
- // 参数2:配置文件
- // 参数3:用户
- FileSystem fs= FileSystem.get(new URI("hdfs://hadoop102:8020"), new Configuration(), "amo");
-
- // 2 创建目录
- fs.mkdirs(new Path("/amxl"));
- // 3 关闭资源
- fs.close();
- }
- }
复制代码 3.2.1 HDFS文件上传
- // 文件上传
- @Test
- public void testCopyFromLocal() throws URISyntaxException, IOException, InterruptedException {
- // 1 获取一个客户端实例
- // 参数1:hdfs文件系统路径
- // 参数2:配置信息
- // 参数3:用户名
- FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), new Configuration(), "amo");
- // 2 使用客户端对象操作HDFS
- // copyFromLocalFile(是否删除源数据,是否覆盖目标数据,源数据路径,目标数据路径)
- fs.copyFromLocalFile(false, true, new Path("D:\\note.txt"),new Path("/amxl"));
- // 3 关闭资源
- fs.close();
- }
复制代码
文件默认的副本为3
- 将hdfs-site.xml拷贝到项目的resources资源目次下,重新上传文件
- <?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>
复制代码 在resources目次下自定义设置文件并设置文件副本数为1,发现此处设置文件参数的优先级是高于默认设置的文件的
- @Test
- public void testCopyFromLocal() throws URISyntaxException, IOException, InterruptedException {
- Configuration configuration = new Configuration();
- // 设置文件副本数为 2
- configuration.set("dfs.replication","2");
- FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "amo");
- fs.copyFromLocalFile(false, true, new Path("D:\\note.txt"),new Path("/amxl"));
- fs.close();
- }
复制代码
重新上传文件,发现文件的副本数为2
- 小结
参数优先级排序:客户端代码中设置的值 > resources下的用户自定义设置文件 >然后是服务器的自定义设置 >服务器的默认设置
3.2.2 HDFS文件下载
- // 文件下载
- @Test
- public void testCopyToLocal() throws URISyntaxException, IOException, InterruptedException {
- // 1 获取配置信息以及加载配置 并获取一个客户端实例
- FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), new Configuration(), "amo");
- // 2 使用客户端对象操作 HDFS 将 note.txt文件下载到本地 D 盘
- // copyToLocalFile(是否删除源文件,下载的文件路径,文件下载的目标路径,是否开启文件校验)
- fs.copyToLocalFile(false,new Path("/amxl/note.txt"),new Path("D:\"),true);
- // 3 关闭资源
- fs.close();
- }
复制代码 3.2.3 HDFS文件更名和移动
- // 文件移动和重命名
- @Test
- public void testRename() throws IOException, URISyntaxException, InterruptedException {
- // 1 获取配置信息以及加载配置 并获取一个客户端实例
- FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), new Configuration(), "amo");
- // 2 文件重命名
- // rename(源文件名,目标文件名)
- fs.rename(new Path("/amxl/note.txt"), new Path("/amxl/note1.txt"));
- // 文件移动
- // rename(源文件路径,目标文件路径)
- fs.rename(new Path("/csdn/test1.txt"), new Path("/amxl/test.txt"));
- // 3 关闭资源
- fs.close();
- }
复制代码 移动前:
移动后:
3.2.4 HDFS删除文件和目次
- // 删除文件和文件夹
- @Test
- public void testDelete() throws IOException, URISyntaxException, InterruptedException {
- // 1 获取配置信息以及加载配置 并获取一个客户端实例
- FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), new Configuration(), "amo");
- // 2 文件删除
- // delete(路径)
- // delete(路径,是否递归)
- fs.delete(new Path("/amxl/note1.txt"), false);
- fs.delete(new Path("/csdn"), true);
- // 3 关闭资源
- fs.close();
- }
复制代码 删除前:
删除后:
3.2.5 HDFS文件详情检察
检察文件名称、权限、长度、块信息
- // 查看文件详细信息
- @Test
- public void testGetFileStatus() throws IOException, URISyntaxException, InterruptedException {
- // 1 获取配置信息以及加载配置 并获取一个客户端实例
- FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), new Configuration(), "amo");
- // 2 文件详细信息
- // listStatus(路径)
- // listStatus(路径,是否递归)
- RemoteIterator<LocatedFileStatus> listedFiles = fs.listFiles(new Path("/amxl"), true);
- while (listedFiles.hasNext()) {
- LocatedFileStatus next = listedFiles.next();
- System.out.println(next.getPath());
- System.out.println(next.getPermission());
- System.out.println(next.getOwner());
- System.out.println(next.getGroup());
- System.out.println(next.getLen());
- System.out.println(next.getModificationTime());
- System.out.println(next.getReplication());
- System.out.println(next.getBlockSize());
-
- // 获取块信息
- BlockLocation[] blockLocations = next.getBlockLocations();
- System.out.println(Arrays.toString(blockLocations));
- }
- // 3 关闭资源
- fs.close();
- }
- // -----------------------------------------------------------------------------------------
- // 输出
- hdfs://hadoop102:8020/amxl/test.txt
- rw-r--r--
- amo
- supergroup
- 49
- 1709910523258
- 5
- 134217728
- [0,49,hadoop104,hadoop103,hadoop102]
复制代码 3.2.6 HDFS文件和文件夹判断
- // 判断文件夹和文件
- @Test
- public void testListFiles() throws IOException, URISyntaxException, InterruptedException {
- // 1 获取配置信息以及加载配置 并获取一个客户端实例
- FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), new Configuration(), "guo");
- // 2 判断文件夹和文件
- // listStatus(路径)
- FileStatus[] fileStatuses = fs.listStatus(new Path("/"));
- for (FileStatus fileStatus : fileStatuses) {
- // 判断是否是文件
- if(fileStatus.isFile()) {
- System.out.println("文件:" + fileStatus.getPath().getName());
- }else {
- System.out.println("文件夹:" + fileStatus.getPath().getName());
- }
- }
- // FileStatus[] fileStatuses = fs.listStatus(new Path("/"));
- //
- // for (FileStatus fileStatus : fileStatuses) {
- // // 判断是否是文件夹
- // if (fileStatus.isFile()) {
- // System.out.println("文件:" + fileStatus.getPath().getName());
- // }
- // if (fileStatus.isDirectory()) {
- // System.out.println("文件夹:" + fileStatus.getPath().getName());
- // }
- // }
- // 3 关闭资源
- fs.close();
- }
复制代码
写在末了
总的来说,HDFS架构的优势和基本操纵使其成为构建可靠的大数据基础的理想选择。它的高可靠性、高扩展性和高效的数据访问方式,为处理大规模数据提供了强大的支持,并通过Shell操纵和API操纵,方便用户管理和操纵存储在HDFS中的数据。
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。 |