安徽省六安市建设局网站,相城专业的网站建设,文昌市规划建设管理局网站,网站质量需求1. HDFS 概述
1.1 HDFS 产出背景及定义
1#xff09;HDFS 产生背景
随着数据量越来越大#xff0c;在一个操作系统存不下所有的数据#xff0c;那么就分配到更多的操作系统管理的磁盘中#xff0c;但是不方便管理和维护#xff0c;迫切 需要一种系统来管理多台机器上的…1. HDFS 概述
1.1 HDFS 产出背景及定义
1HDFS 产生背景
随着数据量越来越大在一个操作系统存不下所有的数据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迫切 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。 HDFS只是分布式文件管理系统中的一种。
2HDFS定义
HDFSHadoop Distributed File System它是一个文件系统用于存储文件通过目录树来定位文件 其次它是分布式的由很多服务器联合起来实现其功能集群中的服务器有各自的角色。
HDFS 的使用场景适合一次写入多次读出的场景。 一个文件经过创建写入和关闭之后就不需要改变。
1.2 HDFS 优缺点
HDFS优点
1高容错性
数据自动保存多个副本。它通过增加副本的形式提高容错性。某一个副本丢失以后它可以自动恢复。
2适合处理大数据
数据规模能够处理数据规模达到GB、TB、甚至BP级别的数据文件规模能够处理百万规模以上的文件数量数量相当之大。
3可构建在廉价机器上通过多副本机制提高可靠性。
HDFS缺点
1不适合低延时数据访问比如毫秒级的存储数据是做不到的。
2无法高效的对大量小文件进行存储。
存储大量小文件的话它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的因为NameNode的内存总是有限的小文件存储的寻址时间会超过读取时间它违反了 HDFS 的设计目标。
3不支持并发写入文件随机修改。
一个文件只能有一个写不允许多个线程同时写。仅支持append追加不支持文件的随机修改。
1.3 HDFS 组成架构 1NameNode(nn)就是Master它是一个主管、管理者。
1管理HDFS的名称空间2配置副本策略3管理数据块Block隐射信息4处理客户端读写请求。
2DataNode就是Slave。NameNode下达命令DataNode执行实际的操作。
1存储实际的数据块2执行数据块的读/写操作。
3Client就是客户端。
1文件切分。文件上传HDFS的时候Clinet将文件切分成一个一个的Block然后进行上传2与NameNode交互获取文件的位置信息3与DataNode交互读取或者写入数据4Client提供一些命令来管理HDFS不如NameNode格式化5Client可以通过一些命令来访问HDFS比如对HDFS增删改操作
4Secondary NameNode并非NameNode的热备。当NameNode挂掉的时候它并不能马上替换NameNode并提供服务。
1辅助NameNode分组其工作量比如定期合并Fsimage和Edits并推送给NameNode2在紧急情况下可辅助恢复NameNode。
1.4 HDFS 文件块大小面试重点
HDFS中的文件在物理上是分块存储Block块的大小可以通过配置参数dis.blocksize来规定 默认大小在Hadoop2.x/3.x版本中是128M1.x版本中是64M。
思考为什么块的大小不能设置太小也不能设置太大
1HDFS的块设置太小会增加寻址时间程序一直在找块的开始位置2如果块设置的太大从磁盘传输数据的时间会明显大雨定位这个块开始位置所需的时间。导致程序在处理这块数据时会非常慢。
总结HDFS块的大小设置主要取决于磁盘传输速度。
2. HDFS的shell操作开发重点
2.1 基本语法
hadoop fs 具体命令 OR hdfs dfs具体命令。
2.2 命令大全
[atguiguhadoop102 hadoop-3.1.3]$ bin/hadoop fs[-appendToFile localsrc ... dst][-cat [-ignoreCrc] src ...][-chgrp [-R] GROUP PATH...][-chmod [-R] MODE[,MODE]... | OCTALMODE PATH...][-chown [-R] [OWNER][:[GROUP]] PATH...][-copyFromLocal [-f] [-p] localsrc ... dst][-copyToLocal [-p] [-ignoreCrc] [-crc] src ... localdst][-count [-q] path ...][-cp [-f] [-p] src ... dst][-df [-h] [path ...]][-du [-s] [-h] path ...][-get [-p] [-ignoreCrc] [-crc] src ... localdst][-getmerge [-nl] src localdst][-help [cmd ...]][-ls [-d] [-h] [-R] [path ...]][-mkdir [-p] path ...][-moveFromLocal localsrc ... dst][-moveToLocal src localdst][-mv src ... dst][-put [-f] [-p] localsrc ... dst][-rm [-f] [-r|-R] [-skipTrash] src ...][-rmdir [--ignore-fail-on-non-empty] dir ...]
acl_spec path]][-setrep [-R] [-w] rep path ...][-stat [format] path ...][-tail [-f] file][-test -[defsz] path][-text [-ignoreCrc] src ...]2.3 常用命令实操
2.3.1 准备工作
1启动 Hadoop 集群方便后续的测试
[atguiguhadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
[atguiguhadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh2-help输出这个命令参数
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -help rm3创建/sanguo 文件夹
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /sanguo2.3.2 上传
1-moveFromLocal从本地剪切粘贴到 HDFS
[atguiguhadoop102 hadoop-3.1.3]$ vim shuguo.txt
输入
shuguo[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal ./shuguo.txt /sanguo2-copyFormLocal从本地文件系统中拷贝文件到 HDFS 路径去
[atguiguhadoop102 hadoop-3.1.3]$ vim weiguo.txt
输入
weiguo[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal weiguo.txt /sanguo3-put等同于 copyFromLocal生产环境更习惯用 put
[atguiguhadoop102 hadoop-3.1.3]$ vim wuguo.txt
输入
wuguo[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -put ./wuguo.txt /sanguo4-appendToFile追加一个文件到已经存在的文件末尾
[atguiguhadoop102 hadoop-3.1.3]$ vim liubei.txt
输入
liubei[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo.txt2.3.3 下载
1-copyToLocal从HDFS 拷贝到本地
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /sanguo/shuguo.txt ./2-get等同于 copyToLocal生产环境更习惯用 get
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -get /sanguo/shuguo.txt ./shuguo2.txt2.3.4 HDFS 直接操作
1-ls现实目录信息
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -ls /sanguo2-cat显示文件内容
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo.txt3-chgrp、-chmod、-chownLinux 文件系统中的用法一样修改文件所属权限 4-mkdir创建路径
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /jinguo5-cp从HDFS的一个路径拷贝到HDFS的另一个路径
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo.txt /jinguo6-mv在 HDFS 目录中移动文件
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/wuguo.txt /jinguo
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/weiguo.txt /jinguo7-tail显示一个文件的末尾 1kb 的数据
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -tail /jinguo/shuguo.txt8-rm删除文件或文件夹
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -rm /sanguo/shuguo.txt9-rm -r递归删除目录及目录里面内容
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /sanguo10-du 统计文件夹的大小信息
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /jinguo
27 81 /jinguo[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -du -h /jinguo
14 42 /jinguo/shuguo.txt
7 21 /jinguo/weiguo.txt
6 18 /jinguo/wuguo.tx11-setrep设置 HDFS 中文件的副本数量
[atguiguhadoop102 hadoop-3.1.3]$ hadoop fs -setrep 10 /jinguo/shuguo.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那么多副本还得看 DataNode 的数量。因为目前只有3台设备最多也就3个副本只有节点数增加到10台时副本数才能达到10。
3. HDFS 的 API操作
3.1 客户端环境准备
1找到资源包路径下的 Windows 依赖文件夹拷贝 hadoop-3.1.0 到非中文路径比如d:\。 2配置 HADOOP_HOME 环境变量
3配置 Path 环境变量。 如果环境变量不起作用可以重启电脑试试。
验证 Hadoop 环境变量是否正常。双击 winutils.exe如果报如下错误。说明缺少微软运行库正版系统往往有这个问题。在资料包里面有对应的微软运行库安装包双击安装即可。
4在 IDEA 中创建一个 Maven 工程 HdfsClientDemo并凹入相应的依赖坐标日志添加
dependenciesdependencygroupIdorg.apache.hadoop/groupIdartifactIdhadoop-client/artifactIdversion3.1.3/version/dependencydependencygroupIdjunit/groupIdartifactIdjunit/artifactIdversion4.12/version/dependencydependencygroupIdorg.slf4j/groupIdartifactIdslf4j-log4j12/artifactIdversion1.7.30/version/dependency
/dependencies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.rootLoggerINFO, stdout
log4j.appender.stdoutorg.apache.log4j.ConsoleAppender
log4j.appender.stdout.layoutorg.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern%d %p [%c] - %m%n
log4j.appender.logfileorg.apache.log4j.FileAppender
log4j.appender.logfile.Filetarget/spring.log
log4j.appender.logfile.layoutorg.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern%d %p [%c] - %m%n5创建包名com.atguigu.hdfs
6创建 HdfsClient 类
package com.atguigu.hdfs;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.Test;import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;/*** author WangTingWei* Date 2023/8/31 10:01* description 客户端代码常用套路* 1、获取一个客户端对象* 2、执行相关的操作命令* 3、关闭资源* HDFS zookeeper*/
public class HdfsClient {Testpublic void testMkdirs() throws URISyntaxException, IOException, InterruptedException {// 1.获取文件系统Configuration configuration new Configuration();// 用户String user atguigu;FileSystem fs FileSystem.get(new URI(hdfs://hadoop102:8020), configuration,user);// 2.创建目录fs.mkdirs(new Path(/xiyou/huaguoshan));// 3.关闭资源fs.close();}
} 7执行程序
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 会从采用 Windows 默认用户访问 HDFS会报权限异常错误。所以在访问 HDFS时一定要配置用户。
package com.atguigu.hdfs;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;/*** author WangTingWei* Date 2023/8/31 10:01* description 客户端代码常用套路* 1、获取一个客户端对象* 2、执行相关的操作命令* 3、关闭资源* HDFS zookeeper*/
public class HdfsClient {private FileSystem fs;Beforepublic void init() throws URISyntaxException, IOException, InterruptedException {// 连接的集群nn地址URI uri new URI(hdfs://hadoop102:8020);Configuration configuration new Configuration();// 用户String user atguigu;fs FileSystem.get(uri,configuration,user);}Afterpublic void close() throws IOException {fs.close();}Testpublic void testMkdirs() throws URISyntaxException, IOException, InterruptedException {fs.mkdirs(new Path(/xiyou/huaguoshan1));}
}3.2 HDFS 的API 案例实操
3.2.1 HDFS 文件上传测试参数优先级
1编写源代码 /*** 上传* 参数优先级* 代码里面的配置 在项目资源目录下的配置文件 hdfs-site.xml hdfs-default.xml * throws IOException*/Testpublic void testPut() throws IOException {//参数一:表示删除原数据;参数二:是否允许覆盖;参数三:原数据路径;参数四:目的地路径fs.copyFromLocalFile(true,true,new Path(D:\\sunwukong.txt),new Path(hdfs://hadoop102/xiyou/huaguoshan));}2将 hdfs-site.xml 拷贝到项目的 resource 资源目录下
?xml version1.0 encodingUTF-8?
?xml-stylesheet typetext/xsl hrefconfiguration.xsl?configurationpropertynamedfs.replication/namevalue1/value/property
/configuration3参数优先级从高到低
1客户端代码中设置的值2ClassPath下的用户自定义配置文件3然后是服务器的自定义配置xxx-site.xml4服务器的默认配置xxx-default.xml
3.2.2 HDFS 文件下载 /*** 下载*/Testpublic void testGet() throws IOException {//delSrc 是否将原文件删除;要下载的文件路径;文件下载到的路径;useRawLocalFileSystem 是否开启文件校验fs.copyToLocalFile(true,new Path(hdfs://hadoop102/xiyou/huaguoshan),new Path(D:\\),true);}
}
3.2.3 HDFS 文件更名和移动 /*** 文件更名和移动*/Testpublic void testRename() throws IOException {// 原文件路径;目标文件路径// 对文件名称的修改fs.rename(new Path(/output/_SUCCESS),new Path(/output/SUCCESS));// 文件的移动和更名fs.rename(new Path(/output/SUCCESS),new Path(/SU));}3.2.4 HDFS 删除文件和目录 /*** 文件删除*/Testpublic void testRm() throws IOException {// 要删除的路径;是否递归删除fs.delete(new Path(/jinguo), true);}3.2.5 HDFS 文件详情查看
查看文件名称、权限、长度、块信息 /*** 获取文件信息详情*/Testpublic void fileDetail() throws IOException {// 获取所有文件信息RemoteIteratorLocatedFileStatus listFiles fs.listFiles(new Path(/), true);// 遍历文件while (listFiles.hasNext()){LocatedFileStatus fileStatus listFiles.next();System.out.println( fileStatus.getPath() );System.out.println(fileStatus.getPermission());System.out.println(fileStatus.getOwner());System.out.println(fileStatus.getGroup());System.out.println(fileStatus.getLen());System.out.println(fileStatus.getModificationTime());System.out.println(fileStatus.getReplication());System.out.println(fileStatus.getBlockSize());System.out.println(fileStatus.getPath().getName());// 获取块信息BlockLocation[] blockLocations fileStatus.getBlockLocations();System.out.println(Arrays.toString(blockLocations));}}3.2.6 HDFS 文件和文件夹判断 Testpublic void testListStatus() throws IOException, InterruptedException, URISyntaxException{// 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());}}}
