HDFS的学习和使用

HDFS的学习和使用

本文是基于CentOS 7.3系统环境，进行HDFS的学习和使用

• CentOS 7.3

---

1. HDFS简介

1.1 什么是HDFS

HDFS是一个分布式文件系统，用于存储文件，通过目录树来定位文件，适合一次写入，多次读出的场景，不支持文件的修改。

1.2 HDFS的优点

1. 高容错性
   数据自动保存多个副本；当某一个副本丢失以后，可以自动恢复
2. 适合处理大数据
   能够处理数据规模达到GB、TB的数据；能够处理百万规模以上的文件数量
3. 可以构建在廉价的机器上，通过多副本机制，提供可靠性

1.3 HDFS的缺点

1. 不适合低延时的数据访问，比如毫秒级的存储数据，做不到
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，会占用NameNode大量的内存来存储文件目录和块目录，因为NameNode的内存总是有限的（128G）；小文件存储的寻址时间会超过读取时间，它违反HDFS的设计目标
3. 不支持并发写入，文件文件修改

2. HDFS架构组成

2.1 NameNode

HDFS的master，是一个主管，名称节点，管理元数据

• 管理HDFS的名称空间
• 配置副本策略
• 管理数据块映射信息
• 处理客户端读写请求

2.2 DataNode

HDFS的slave，NameNode下达命令，DataNode执行实际的操作

• 存储实际的数据块
• 执行数据块的读/写操作
• 管理数据块映射信息
• 处理客户端读写请求

2.3 Secondary 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

• 辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode
• 在紧急情况下，可辅助恢复NameNode，只可以恢复部分，并不是所有

2.4 Client

HDFS的客户端

• 文件切分，文件上传HDFS时，client将文件切分成一个一个的Block，然后上传
• 与NameNode交互，获取文件的位置信息
• 与DataNode交互，读取或写入数据
• client提供一些命令管理HDFS

3. HDFS文件块大小

3.1 块的大小为什么为128M

• 寻址时间约为10ms，即查找到目标block的时间
• 寻址时间为传输时间的1%时，为最佳状态，10ms/0.01=1s
• 目前磁盘的传输速率普遍为100MB/s
• 那么块大小约为100MB

3.2 块的大小不能设置太小，也不能设置太大

• 设置太小，会增加寻址时间，程序一直在找块的开始位置
• 设置太大，从磁盘传输数据的时间会明显大于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

4. HDFS的shell操作

4.1 启动集群

sbin/start-dfs.sh
sbin/start-yarn.sh

4.2 查看目录信息

hadoop fs -ls /user
hdfs dfs -ls /user

4.3 创建目录

hadoop fs -mkdir -p /user/xuzheng/input
hdfs dfs -mkdir -p /user/xuzheng/input

4.4 本地剪切文件至HDFS

hadoop fs -moveFromLocal ./aa.txt /user/xuzheng/input
hdfs dfs -moveFromLocal ./aa.txt /user/xuzheng/input

4.5 追加一个文件到已经存在HDFS的文件

hadoop fs -appendToFile ./bb.txt /user/xuzheng/input/aa.txt
hdfs dfs -appendToFile ./bb.txt /user/xuzheng/input/aa.txt

4.6 显示文件内容

hadoop fs -cat /user/xuzheng/input/aa.txt
hdfs dfs -cat /user/xuzheng/input/aa.txt

4.7 修改文件权限

hadoop fs -chmod 777 /user/xuzheng/input/aa.txt
hdfs dfs -chmod 777 /user/xuzheng/input/aa.txt

hadoop fs -chown root:root /user/xuzheng/input/aa.txt
hdfs dfs -chown root:root /user/xuzheng/input/aa.txt

4.8 从本地文件系统中拷贝文件到HDFS路径去

hadoop fs -copyFromLocal README.txt /
hdfs dfs -copyFromLocal README.txt /

4.9 从HDFS拷贝到本地

hadoop fs -copyToLocal /user/xuzheng/input/aa.txt ./
hdfs dfs -copyToLocal /user/xuzheng/input/aa.txt ./

4.10 在HDFS目录中移动文件

hadoop fs -mv /zhuge.txt /user/xuzheng/
hdfs dfs -mv /zhuge.txt /user/xuzheng/

4.11 从HDFS下载文件到本地

hadoop fs -get /user/xuzheng/input/aa.txt ./
hdfs dfs -get /user/xuzheng/input/aa.txt ./

4.12 从本地上传文件到HDFS

hadoop fs -put README.txt /
hdfs dfs -put README.txt /

4.13 合并下载多个文件

hadoop fs -getmerge /user/atguigu/test/* ./zaiyiqi.txt
hdfs dfs -getmerge /user/atguigu/test/* ./zaiyiqi.txt

4.14 显示一个文件的末尾

hadoop fs -tail /sanguo/shuguo/kongming.txt
hdfs dfs -tail /sanguo/shuguo/kongming.txt

4.15 删除文件或文件夹

hadoop fs -rm /user/atguigu/test/jinlian2.txt
hdfs dfs -rm /user/atguigu/test/jinlian2.txt

4.16 删除空文件夹

hadoop fs -rmkdir /test
hdfs dfs -rmkdir /test

4.17 统计文件夹的大小信息

hadoop fs -du -s -h /user/atguigu/test
hdfs dfs -du -s -h /user/atguigu/test

4.18 设置HDFS中文件的副本数量

hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt
hdfs dfs -setrep 10 /sanguo/shuguo/kongming.txt

5. HDFS的Java操作

5.1 创建目录

@Test
public void testMkdirs() throws InterruptedException, URISyntaxException, IOException {
	Configuration conf= new Configuration();
    URI uri = new URI("hdfs://hadoop101:9000");
    FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
    Path path = new Path("/test/user/xuzheng/");
    fs.mkdirs(path);
    fs.close();
}

5.2 上传文件

@Test
public void testCopyFromLocalFile() throws InterruptedException, URISyntaxException, IOException {
    Configuration conf= new Configuration();
    URI uri = new URI("hdfs://hadoop101:9000");
    FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
    fs.copyFromLocalFile(new Path("C:\\Users\\bailang\\Desktop\\CentOS-Self.repo"), new Path("/test/user/xuzheng/"));
    fs.close();
}

5.3 下载文件

@Test
public void testCopyToLocalFile() throws InterruptedException, URISyntaxException, IOException {
    Configuration conf= new Configuration();
    URI uri = new URI("hdfs://hadoop101:9000");
    FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
    fs.copyToLocalFile(new Path("/test/user/xuzheng/CentOS-Self.repo"),new Path("C:\\Users\\bailang\\Desktop\\test"));
    fs.close();
}

5.4 递归删除

@Test
public void testDelete() throws InterruptedException, URISyntaxException, IOException {
    Configuration conf= new Configuration();
    URI uri = new URI("hdfs://hadoop101:9000");
    FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
    fs.delete(new Path("/test"), true);
    fs.close();
}

5.5 文件重命名

@Test
public void testRename() throws InterruptedException, URISyntaxException, IOException {
    Configuration conf= new Configuration();
    URI uri = new URI("hdfs://hadoop101:9000");
    FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
    fs.rename(new Path("/user/xuzheng/input/wc.input"), new Path("/user/xuzheng/input/aa.input"));
    fs.close();
}

5.6 文件详情查看

@Test
public void testListFiles() throws InterruptedException, URISyntaxException, IOException {
    Configuration conf = new Configuration();
    URI uri = new URI("hdfs://hadoop101:9000");
    FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
    RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
    while (listFiles.hasNext()) {
        LocatedFileStatus fileStatus = listFiles.next();
        System.out.println(fileStatus.getAccessTime());
        System.out.println(fileStatus.getBlockSize());
        System.out.println(fileStatus.getGroup());
        System.out.println(fileStatus.getLen());
        System.out.println(fileStatus.getModificationTime());
        System.out.println(fileStatus.getOwner());
        System.out.println(fileStatus.getPath());
        System.out.println(fileStatus.getPermission());
        System.out.println(fileStatus.getReplication());
        BlockLocation[] blockLocations = fileStatus.getBlockLocations();
        for (BlockLocation blockLocation : blockLocations) {
            String[] hosts = blockLocation.getHosts();
            for(String host:hosts){
                System.out.println("-->"+host);
            }
        }
    }
    fs.close();
}

5.7 通过IO流上传文件

@Test
public void testCopyFromLocalFileByIO() throws InterruptedException, URISyntaxException, IOException {
    Configuration conf = new Configuration();
    URI uri = new URI("hdfs://hadoop101:9000");
    FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
    FileInputStream in = new FileInputStream("C:\\Users\\bailang\\Desktop\\CentOS-Self.repo");
    FSDataOutputStream out = fs.create(new Path("/user/xuzheng/input/centos.repo"));
    IOUtils.copyBytes(in, out, conf);
    IOUtils.closeStream(out);
    IOUtils.closeStream(in);
    fs.close();
}

5.8 通过IO流下载文件

@Test
public void testCopyToLocalFileByIO() throws InterruptedException, URISyntaxException, IOException {
    Configuration conf = new Configuration();
    URI uri = new URI("hdfs://hadoop101:9000");
    FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
    FSDataInputStream in = fs.open(new Path("/user/xuzheng/input/centos.repo"));
    FileOutputStream out = new FileOutputStream("C:\\Users\\bailang\\Desktop\\CentOS-test.repo");
    IOUtils.copyBytes(in, out,conf);
    IOUtils.closeStream(out);
    IOUtils.closeStream(in);
    fs.close();
}

5.9 定位读取文件

@Test
public void testReadFileSeek1() throws InterruptedException, URISyntaxException, IOException {
    Configuration conf = new Configuration();
    URI uri = new URI("hdfs://hadoop101:9000");
    FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
    FSDataInputStream in = fs.open(new Path("/user/xuzheng/input/hadoop-2.7.2.tar.gz"));
    FileOutputStream out = new FileOutputStream("C:\\Users\\bailang\\Desktop\\hadoop-2.7.2.tar.gz.part1");

    byte[] buf = new byte[1024];
    for (int i = 0; i < 1024 * 128; i++) {
        in.read(buf);
        out.write(buf);
    }
    IOUtils.closeStream(out);
    IOUtils.closeStream(in);
    fs.close();
}

@Test
public void testReadFileSeek2() throws InterruptedException, URISyntaxException, IOException {
    Configuration conf = new Configuration();
    URI uri = new URI("hdfs://hadoop101:9000");
    FileSystem fs = FileSystem.get(uri, conf, "xuzheng");
    FSDataInputStream in = fs.open(new Path("/user/xuzheng/input/hadoop-2.7.2.tar.gz"));
    in.seek(1024 * 1024 * 128);
    FileOutputStream out = new FileOutputStream("C:\\Users\\bailang\\Desktop\\hadoop-2.7.2.tar.gz.part2");

    IOUtils.copyBytes(in, out, conf);
    IOUtils.closeStream(out);
    IOUtils.closeStream(in);
    fs.close();
}

合并两个文件

type hadoop-2.7.2.tar.gz.part2>>hadoop-2.7.2.tar.gz.part1

6. HDFS的写数据流程

6.1 剖析文件写入

6.2 网络拓扑-节点距离计算

• 节点距离
  两个节点到达最近的共同祖先的距离总和
• 父节点距离
  一个节点到达父节点的距离为1
• 同一个节点上的进程
  Distance(/d1/r1/n0，/d1/r1/n0)=0
• 同一个机架上不同的节点
  Distance(/d1/r1/n1，/d1/r1/n2)=2
• 同一个集群不同机架上的节点
  Distance(/d1/r2/n0，/d1/r3/n2)=4
• 不同集群的节点
  Distance(/d1/r2/n1，/d2/r4/n1)=6
  

6.3 机架感知（副本存储节点选择）

1. 第一个副本在Client所处的节点上，如果客户端在集群外，随机选一个
2. 第二个副本在第一个副本所属的机架上，随机节点
3. 第三个副本位于不同的机架上，随机节点
   

7. HDFS的读数据流程

8. NameNode

8.1 NameNode中的元数据是存储在哪里的

首先，我们做个假设，如果存储在NameNode节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的FsImage。

这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新FsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦NameNode节点断电，就会产生数据丢失。因此，引入Edits文件(只进行追加操作，效率很高)。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到Edits中。这样，一旦NameNode节点断电，可以通过FsImage和Edits的合并，合成元数据。

但是，如果长时间添加数据到Edits中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。因此，需要定期进行FsImage和Edits的合并，如果这个操作由NameNode节点完成，又会效率过低。因此，引入一个新的节点SecondaryNamenode，专门用于FsImage和Edits的合并。

8.2 NN和2NN工作流程

1. 第一阶段：NameNode启动
   （1）第一次启动NameNode格式化后，创建Fsimage和Edits文件。如果不是第一次启动，直接加载编辑日志和镜像文件到内存。
   （2）客户端对元数据进行增删改的请求。
   （3）NameNode记录操作日志，更新滚动日志。
   （4）NameNode在内存中对数据进行增删改。
2. 第二阶段：Secondary NameNode工作
   （1）Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果。
   （2）Secondary NameNode请求执行CheckPoint。
   （3）NameNode滚动正在写的Edits日志。
   （4）将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。
   （5）Secondary NameNode加载编辑日志和镜像文件到内存，并合并。
   （6）生成新的镜像文件fsimage.chkpoint。
   （7）拷贝fsimage.chkpoint到NameNode。
   （8）NameNode将fsimage.chkpoint重新命名成fsimage。
   

8.3 NN和2NN工作机制

Fsimage：NameNode内存中元数据序列化后形成的文件。

Edits：记录客户端更新元数据信息的每一步操作（可通过Edits运算出元数据）。

NameNode启动时，先滚动Edits并生成一个空的edits.inprogress，然后加载Edits和Fsimage到内存中，此时NameNode内存就持有最新的元数据信息。Client开始对NameNode发送元数据的增删改的请求，这些请求的操作首先会被记录到edits.inprogress中（查询元数据的操作不会被记录在Edits中，因为查询操作不会更改元数据信息），如果此时NameNode挂掉，重启后会从Edits中读取元数据的信息。然后，NameNode会在内存中执行元数据的增删改的操作。

由于Edits中记录的操作会越来越多，Edits文件会越来越大，导致NameNode在启动加载Edits时会很慢，所以需要对Edits和Fsimage进行合并（所谓合并，就是将Edits和Fsimage加载到内存中，照着Edits中的操作一步步执行，最终形成新的Fsimage）。SecondaryNameNode的作用就是帮助NameNode进行Edits和Fsimage的合并工作。

SecondaryNameNode首先会询问NameNode是否需要CheckPoint（触发CheckPoint需要满足两个条件中的任意一个，定时时间到和Edits中数据写满了，默认1小时，100w条）。直接带回NameNode是否检查结果。SecondaryNameNode执行CheckPoint操作，首先会让NameNode滚动Edits并生成一个空的edits.inprogress，滚动Edits的目的是给Edits打个标记，以后所有新的操作都写入edits.inprogress，其他未合并的Edits和Fsimage会拷贝到SecondaryNameNode的本地，然后将拷贝的Edits和Fsimage加载到内存中进行合并，生成fsimage.chkpoint，然后将fsimage.chkpoint拷贝给NameNode，重命名为Fsimage后替换掉原来的Fsimage。NameNode在启动时就只需要加载之前未合并的Edits和Fsimage即可，因为合并过的Edits中的元数据信息已经被记录在Fsimage中。

8.3 CheckPoint时间设置

（1）通常情况下，SecondaryNameNode每隔一小时执行一次。

[hdfs-default.xml]
<property>
  	<name>dfs.namenode.checkpoint.periodname>
  	<value>3600value>
property>

（2）一分钟检查一次操作次数，当操作次数达到1百万时，SecondaryNameNode执行一次。

<property>
  	<name>dfs.namenode.checkpoint.txnsname>
  	<value>1000000value>
	<description>操作动作次数description>
property>
<property>
  	<name>dfs.namenode.checkpoint.check.periodname>
  	<value>60value>
	<description> 1分钟检查一次操作次数description>
property >

8.4 NameNode故障处理

(1) 方法一（推荐使用）

将SecondaryNameNode中数据拷贝到NameNode存储数据的目录；

杀掉NameNode进程

kill -9 NameNode进程

删除NameNode存储的数据（/opt/module/hadoop-2.7.2/data/tmp/dfs/name）

rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*

拷贝SecondaryNameNode中数据到原NameNode存储数据目录

scp -r atguigu@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary/* ./name/

重新启动NameNode

sbin/hadoop-daemon.sh start namenode

(2) 方法二（不推荐使用）

使用-importCheckpoint选项启动NameNode守护进程，从而将SecondaryNameNode中数据拷贝到NameNode目录中。

修改hdfs-site.xml中的

<property>
 	<name>dfs.namenode.name.dirname>
  	<value>/opt/module/hadoop-2.7.2/data/tmp/dfs/namevalue>
property>

# 同步配置文件
/home/xuzheng/bin/xsync hdfs-sit.xml

杀掉NameNode进程

kill -9 NameNode进程

删除NameNode存储的数据（/opt/module/hadoop-2.7.2/data/tmp/dfs/name）

rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*

如果SecondaryNameNode不和NameNode在一个主机节点上，需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录，并删除in_use.lock文件

scp -r atguigu@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary ./
rm -rf in_use.lock

导入检查点数据，并手动启动NameNode

bin/hdfs namenode -importCheckpoint
sbin/hadoop-daemon.sh start namenode

8.5 集群安全模式

NameNode启动

NameNode启动时，首先将镜像文件（Fsimage）载入内存，并执行编辑日志（Edits）中的各项操作。一旦在内存中成功创建文件系统元数据的镜像，在创建一个新的Fsimage文件和一个空的编辑日志。此时，NameNode开始监听DataNode请求。这个过程期间，NameNode一直运行在安全模式，即NameNode的文件系统对于客户端来说是只读的。

DataNode启动

系统中的数据库的位置并不是由NameNode维护的，而是以块列表的形式存储在DataNode中。在系统的正常操作期间，NameNode会在内存中保留所有块位置的映射信息。在安全模式下，各个DataNode会想NameNode发送最新的块列表信息，NameNode了解到足够多的块位置信息之后，即可高效运行文件系统。

安全模式退出判断

如果满足“最小副本条件”，NameNode会在30秒后退出安全模式。所谓的最小副本条件指的是在整个文件系统中99.9%的块满足最小副本级别（默认值：dfs.replication.min=1）。在启动一个刚刚格式化的HDFS集群时，因为系统中还没有任何块，所以NameNode不会进入安全模式

基本语法

# 查看安全模式状态
hdfs dfsadmin -safemode get
# 进入安全模式状态
hdfs dfsadmin -safemode enter
# 离开安全模式状态
hdfs dfsadmin -safemode leave
# 等待安全模式状态
hdfs dfsadmin -safemode wait

9. DataNode

9.1 DataNode工作机制

9.2 DataNode超时时长

HDFS默认的超时时长为10分钟+30秒
TimeOut=2×dfs.namenode.heartbeat.recheck-interval +10×dfs.heartbeat.interval

vi hdfs-site.xml
# 添加如下配置，心跳重新检查时间间隔和心跳时间间隔
<property>
    <name>dfs.namenode.heartbeat.recheck-interval</name>
    <value>300000</value>
</property>
<property>
    <name>dfs.heartbeat.interval</name>
    <value>3</value>
</property>

9.3 服役新的DataNode节点

• 启动新节点的DataNode

sbin/hadoop-daemon.sh start datanode

• 启动新节点的NodeManager

sbin/yarn-daemon.sh start nodemanager

9.4 添加白名单（不推荐使用）

• 新建白名单

vi dfs.hosts
# 添加如下白名单节点
hadoop101
hadoop102
hadoop103

• 配置白名单，使生效

vi hdfs-site.xml
# 添加如下配置，增加dfs.hosts属性
<property>
    <name>dfs.hosts</name>
    <value>/opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts</value>
</property>

• 分发配置文件

# 分发配置文件
xsync hdfs-site.xml
xsync dfs.hosts

• 刷新NameNode

# 分发配置文件
hdfs dfsabmin -refreshNodes

• 刷新ResourceManager

# 分发配置文件
yarn rmabmin -refreshNodes

• 实现数据再平衡

# 分发配置文件
sbin/start-balancer.sh

黑名单退役（推荐使用）

退役黑名单生效后，hdfs会自动将黑名单上的机器的数据复制到其他节点，不需要用户干预，但是白名单不会这样做

等待退役节点状态为decommissioned（所有块已经复制完成），停止该节点及节点资源管理器。注意：如果副本数是3，服役的节点小于等于3，是不能退役成功的，需要修改副本数后才能退役

不允许白名单和黑名单中同时出现同一个主机名称。

• 新建黑名单

vi dfs.hosts.exclude
# 添加如下白名单节点
hadoop104
hadoop105

• 配置黑名单，使生效

vi hdfs-site.xml
# 添加如下配置，增加dfs.hosts属性
<property>
    <name>dfs.hosts.exclude</name>
    <value>/opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts.exclude</value>
</property>

• 分发配置文件

# 分发配置文件
xsync hdfs-site.xml
xsync dfs.hosts.exclude

• 刷新NameNode

# 分发配置文件 NameNode节点
hdfs dfsabmin -refreshNodes

• 刷新ResourceManager

# 分发配置文件 NameNode节点
yarn rmabmin -refreshNodes

• 停止DataNode

sbin/hadoop-daemon.sh stop datanode

• 停止NodeManager

sbin/yarn-daemon.sh stop nodemanager

• 实现数据再平衡

# 分发配置文件
sbin/start-balancer.sh

10. HDFS新特性

9.1 集群拷贝

# 这里的地址都是NameNode的地址
bin/hadoop distcp hdfs://hadoop202:9000/user/xuzheng/a.txt
hdfs://hadoop302:9000/user/xuzheng/a.txt

9.2 小文件归档

归档文件

把/user/xuzheng/input目录里面的所有文件归档成一个叫input.har的归档文件，并把归档后文件存储到/user/xuzheng/output路径下

bin/hadoop archive -archiveName input.har –p  /user/xuzheng/input   /user/xuzheng/output

查看归档

hadoop fs -lsr har:///user/xuzheng/output/input.har

解归档文件

hadoop fs -cp har:///user/xuzheng/output/input.har/*    /user/xuzheng

9.3 回收站

启用回收站

vi core-site.xml
# 添加下面信息，开启回收站文件保留时间，分钟
<property>
   	<name>fs.trash.interval</name>
	<value>1</value>
</property>
# 修改访问垃圾回收站用户名称
<property>
  <name>hadoop.http.staticuser.user</name>
  <value>xuzheng</value>
</property>

重启集群

sbin/stop-yarn.sh
sbin/stop-dfs.sh
sbin/start-dfs.sh
sbin/start-yarn.sh

恢复回收站数据

hadoop fs -mv /user/atguigu/.Trash/Current/user/xuzheng/input    /user/xuzheng/input

---