Hadoop学习（1）——分布式存储系统HDFS
Hadoop生态
一、分布式存储系统HDFS 介绍
（1）存储模型：字节
文件线性切割成块（Block）:偏移量 offset ；
Block分散存储在集群节点中，单一文件Block大小一致，文件与文件可以不一致；
Block可以设置副本数，副本无序分散在不同节点中（副本数不要超过节点数量）；
文件上传可以设置Block大小和副本数，已上传的文件Block副本数可以调整，大小不变；
–只支持一次写入多次读取，同一时刻只有一个写入者；
–可以append追加数据。
（2）架构模型：
–文件元数据MetaData，文件数据
- 元数据
- 数据本身
–（主）NameNode节点保存文件元数据：单节点 posix
–（从）DataNode节点保存文件Block数据：多节点
–DataNode与NameNode保持心跳，提交Block列表
–HdfsClient与NameNode交互元数据信息
–HdfsClient与DataNode交互文件Block数据（cs）
–DataNode 利用服务器本地文件系统存储数据块
（3）HDFS架构：
NameNode（NN）：
（1）基于内存存储 ：不会和磁盘发生交换（双向）
- 只存在内存中
- 持久化（单向）
（2）NameNode主要功能：接受客户端的读写服务、收集DataNode汇报的Block列表信息
（3）NameNode保存metadata信息包括：
- 文件owership和permissions
- 文件大小，时间
- （Block列表：Block偏移量），位置信息（持久化不存）
- Block每副本位置（由DataNode上报）
（4）NameNode持久化：
- NameNode的metadata信息在启动后会加载到内存
- metadata存储到磁盘文件名为”fsimage”（时点备份）
- Block的位置信息不会保存到fsimage
- edits记录对metadata的操作日志…>Redis
SecondaryNameNode（SNN）：
（1）作用：它不是NN的备份（但可以做备份），它的主要工作是帮助NN合并edits log，减少NN启动时间。
（2）SNN执行合并时机：
- 根据配置文件设置的时间间隔fs.checkpoint.period 默认3600秒
- 根据配置文件设置edits log大小 fs.checkpoint.size 规定edits文件的最大值默认是64MB
DataNode（DN）：
- 本地磁盘目录存储数据（Block），文件形式
- 同时存储Block的元数据信息文件
- 启动DN时会向NN汇报block信息
- 通过向NN发送心跳保持与其联系（3秒一次），如果NN 10分钟没有收到DN的心跳，则认为其已经lost，并copy其上的block到其它DN
（4）HDFS写流程
Client：切分文件Block
-->按Block线性和NN获取DN列表（副本数）
-->验证DN列表后以更小的单位流式传输数据
-->各节点，两两通信确定可用
-->Block传输结束后：
- DN向NN汇报Block信息
- DN向Client汇报完成
- Client向NN汇报完成获取下一个Block存放的DN列表.
-->最终Client汇报完成NN会在写流程更新文件状态
（5）HDFS读流程
Client：
- 和NN获取一部分Block副本位置列表
- 线性和DN获取Block，最终合并为一个文件
- 在Block副本列表中按距离择优选取
- MD5验证数据完整性
二、HDFS常用命令
2.1、帮助命令
一切命令都从帮助开始，命令是记不完的，只有学会使用帮助，才能免却记忆的痛苦。
hdfs dfs -help2.2、查看命令
（1）列出文件系统目录下的目录和文件：
# -h 以更友好的方式列出，主要针对文件大小显示成相应单位K、M、G等
# -r 递归列出,类似于linux中的tree命令
hdfs dfs -ls [-h] [-r] （2）查看文件内容：
hdfs dfs -cat （3）查看文件末尾的1KB数据：
hdfs dfs -tail [-f] 2.3、创建命令
（1）新建目录：
hdfs dfs -mkdir （2）创建多级目录：
hdfs dfs -mkdir -p （3）新建一个空文件：
# linux下是touchz，不知道为什么在hdfs要加个z？
hdfs dfs -touchz （4）上传本地文件到hdfs：
# -f 如果hdfs上已经存在要上传的文件，则覆盖
hdfs dfs -put [-f] ... 举例：将/usr/local/hadoop-2.7.3/etc/hadoop下的所有配置文件都上传到hdfs的/hadoop目录：
hdfs dfs -mkdir /config
hdfs dfs -put /usr/local/hadoop-2.7.3/etc/hadoop /config2.4、删除命令
（1）删除文件或目录：
# -r 递归删除目录下的所有文件
# -f为直接删除，不予提示
# -skipTrash为彻底放入文件，不放入回收站
hdfs dfs -rm [-r] [-f] [-skipTrash] 2.5、获取命令
（1）将hdfs文件下载到本地：
hdfs dfs -get < hdfs path> < localpath>
举例：将hdfs的/config目录下载到本地的/config目录下
hdfs dfs -get /config /config（2）将hdfs文件合并起来下载到本地：
hdfs hdfs -getmerge [-nl]
举例：将hdfs的/config/hadoop目录下的所有文件合并下载到本地的config.txt中
hdfs dfs -getmerge /config/hadoop config.txt 2.6、其他hdfs文件操作命令
拷贝：hdfs dfs -cp [-r] < hdfs path > < hdfs path1 >
移动：hdfs dfs -mv < hdfs path > < hdfs path1 >
统计目录下的对象数：hdfs dfs -count < hdfs path >
统计目录下的对象大小：hdfs dfs -du [-s] [-h] < hdfs path >
修改hdfs文件权限
修改所属组[-chgrp [-R] GROUP PATH...]
修改权限模式[-chmod [-R] PATH...]
修改所需组和所有者[-chown [-R] [OWNER][:[GROUP]] PATH...] 2.7、hdfs管理命令
（1）显示帮助：
hdfs dfsadmin -help（2）查看文件系统健康状态：
显示hdfs的容量、数据块和数据节点的信息
hdfs dfsadmin -report（3）安全模式管理：
安全模式是hadoop的一种保护机制，用于保证集群中的数据块的安全性。当hdfs进入安全模式时不允许客户端进行任何修改文件的操作,包括上传文件，删除文件，重命名，创建文件夹等操作。
当集群启动的时候，会首先进入安全模式。当系统处于安全模式时会检查数据块的完整性。假设我们设置的副本数（即参数dfs.replication）是5，那么在datanode上就应该有5个副本存在，假设只存在3个副本，那么比例就是3/5=0.6。通过配置dfs.safemode.threshold.pct定义最小的副本率，默认为0.999。
1、查看安全模式状态
hdfs dfsadmin -safemode get
2、强制进入安全模式
hdfs dfsadmin -safemode enter
3、强制离开安全模式
hdfs dfsadmin -safemode leave
常用命令汇总：
1.hdfs命令行
（1）查看帮助
hdfs dfs -help
（2）查看当前目录信息
hdfs dfs -ls /
（3）上传文件
hdfs dfs -put /本地路径 /hdfs路径
（4）剪切文件
hdfs dfs -moveFromLocal a.txt /aa.txt
（5）下载文件到本地
hdfs dfs -get /hdfs路径 /本地路径
（6）合并下载
hdfs dfs -getmerge /hdfs路径文件夹 /合并后的文件
（7）创建文件夹
hdfs dfs -mkdir /hello
（8）创建多级文件夹
hdfs dfs -mkdir -p /hello/world
（9）移动hdfs文件
hdfs dfs -mv /hdfs路径 /hdfs路径
（10）复制hdfs文件
hdfs dfs -cp /hdfs路径 /hdfs路径
（11）删除hdfs文件
hdfs dfs -rm /aa.txt
（12）删除hdfs文件夹
hdfs dfs -rm -r /hello
（13）查看hdfs中的文件
hdfs dfs -cat /文件
hdfs dfs -tail -f /文件
（14）查看文件夹中有多少个文件
hdfs dfs -count /文件夹
（15）查看hdfs的总空间
hdfs dfs -df /
hdfs dfs -df -h /
（16）修改副本数
hdfs dfs -setrep 1 /a.txtZ-blog：www.361wx.com