大数据之hadoop(文件系统HDFS)

一 HDFS概述

1.1 概念

HDFS,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的设计适合一次写入,多次读出的场景,且不支持文件的修改。适合用来做数据分析,并不适合用来做网盘应用。

1.2 组成

1HDFS集群包括,NameNodeDataNode以及Secondary Namenode

2NameNode负责管理整个文件系统的元数据,以及每一个路径(文件)所对应的数据块信息。

3DataNode 负责管理用户的文件数据块,每一个数据块都可以在多个datanode上存储多个副本。

4SecondaryNameNode用来监控HDFS状态的辅助后台程序,每隔一段时间获取HDFS元数据的快照。

1.3 HDFS 文件块大小

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( dfs.blocksize)来规定,默认大小在hadoop2.x版本中是128M,老版本中是64M

HDFS的块比磁盘的块大,其目的是为了最小化寻址开销。如果块设置得足够大,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。因而,传输一个由多个块组成的文件的时间取决于磁盘传输速率。

如果寻址时间约为10ms,而传输速率为100MB/s,为了使寻址时间仅占传输时间的1%,我们要将块大小设置约为100MB。默认的块大小128MB。

块的大小:10ms*100*100M/s = 100M

大数据之hadoop(文件系统HDFS)_第1张图片

二 HFDS命令行操作

1)基本语法

bin/hadoop fs 具体命令

2)参数大全

       bin/hadoop fs

[-appendToFile ... ]

        [-cat [-ignoreCrc] ...]

        [-checksum ...]

        [-chgrp [-R] GROUP PATH...]

        [-chmod [-R] PATH...]

        [-chown [-R] [OWNER][:[GROUP]] PATH...]

        [-copyFromLocal [-f] [-p] ... ]

        [-copyToLocal [-p] [-ignoreCrc] [-crc] ... ]

        [-count [-q] ...]

        [-cp [-f] [-p] ... ]

        [-createSnapshot []]

        [-deleteSnapshot ]

        [-df [-h] [ ...]]

        [-du [-s] [-h] ...]

        [-expunge]

        [-get [-p] [-ignoreCrc] [-crc] ... ]

        [-getfacl [-R] ]

        [-getmerge [-nl] ]

        [-help [cmd ...]]

        [-ls [-d] [-h] [-R] [ ...]]

        [-mkdir [-p] ...]

        [-moveFromLocal ... ]

        [-moveToLocal ]

        [-mv ... ]

        [-put [-f] [-p] ... ]

        [-renameSnapshot ]

        [-rm [-f] [-r|-R] [-skipTrash] ...]

        [-rmdir [--ignore-fail-on-non-empty]

...]

        [-setfacl [-R] [{-b|-k} {-m|-x } ]|[--set ]]

        [-setrep [-R] [-w] ...]

        [-stat [format] ...]

        [-tail [-f] ]

        [-test -[defsz] ]

        [-text [-ignoreCrc] ...]

        [-touchz ...]

        [-usage [cmd ...]]

3)常用命令实操

1-help:输出这个命令参数

              bin/hdfs dfs -help rm

       2-ls: 显示目录信息

hadoopfs -ls /

3-mkdir:在hdfs上创建目录

hadoopfs  -mkdir  -p /aaa/bbb/cc/dd

4-moveFromLocal从本地剪切粘贴到hdfs

hadoop  fs  -moveFromLocal  /home/hadoop/a.txt  /aaa/bbb/cc/dd

5-moveToLocal:从hdfs剪切粘贴到本地(尚未实现)

[[email protected]]$ hadoop fs -help moveToLocal

-moveToLocal :

  Not implemented yet

6--appendToFile  :追加一个文件到已经存在的文件末尾

hadoop  fs -appendToFile  ./hello.txt  /hello.txt

7-cat:显示文件内容

8-tail:显示一个文件的末尾

hadoop  fs -tail  /weblog/access_log.1

9-chgrp-chmod-chownlinux文件系统中的用法一样,修改文件所属权限

hadoop  fs -chmod  666  /hello.txt

hadoop  fs -chown  someuser:somegrp   /hello.txt

10-copyFromLocal:从本地文件系统中拷贝文件到hdfs路径去

hadoop  fs -copyFromLocal  ./jdk.tar.gz  /aaa/

11-copyToLocal:从hdfs拷贝到本地

hadoopfs -copyToLocal /user/hello.txt ./hello.txt

12-cp:从hdfs的一个路径拷贝到hdfs的另一个路径

hadoop  fs  -cp /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

13-mv:在hdfs目录中移动文件

hadoop  fs  -mv  /aaa/jdk.tar.gz  /

14-get:等同于copyToLocal,就是从hdfs下载文件到本地

hadoopfs -get /user/hello.txt ./

15-getmerge  :合并下载多个文件,比如hdfs的目录/aaa/下有多个文件:log.1, log.2,log.3,...

hadoopfs -getmerge /aaa/log.* ./log.sum

16-put:等同于copyFromLocal

hadoop  fs  -put  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

17-rm:删除文件或文件夹

hadoopfs -rm -r /aaa/bbb/

18-rmdir:删除空目录

hadoop  fs -rmdir   /aaa/bbb/ccc

19-df:统计文件系统的可用空间信息

hadoop  fs  -df  -h  /

20-du统计文件夹的大小信息

[[email protected]]$ hadoop fs -du -s -h /user/jduser/wcinput

188.5M  /user/jduser/wcinput

 

[[email protected]]$ hadoop fs -du  -h /user/jduser/wcinput

188.5M  /user/jduser/wcinput/hadoop-2.7.2.tar.gz

97       /user/jduser/wcinput/wc.input

21-count:统计一个指定目录下的文件节点数量

hadoopfs -count /aaa/

[[email protected]]$ hadoop fs -count /user/jduser/wcinput

       1                   2          197657784 /user/jduser/wcinput

嵌套文件层级;  包含文件的总数

22-setrep:设置hdfs中文件的副本数量

hadoopfs -setrep 3 /aaa/jdk.tar.gz

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,只有节点数的增加到10台时,副本数才能达到10。

三 HDFS客户端操作

3.1 eclipse环境准备

3.1.1 jar包准备

1)解压hadoop-2.7.2.tar.gz到非中文目录

2)进入share文件夹,查找所有jar包,并把jar包拷贝到_lib文件夹下

3)在全部jar包中查找sources.jar,并剪切到_source文件夹。

4)在全部jar包中查找tests.jar,并剪切到_test文件夹。

3.1.2 eclipse准备

1)配置HADOOP_HOME环境变量

2)采用hadoop编译后的bin 、lib两个文件夹(如果不生效,重新启动eclipse)

3)创建第一个java工程

public class HdfsClientDemo1 {

       public static void main(String[] args) throws Exception {

              // 1 获取文件系统

              Configuration configuration = new Configuration();

              // 配置在集群上运行

              configuration.set("fs.defaultFS", "hdfs://hadoop102:9000");

              FileSystem fileSystem = FileSystem.get(configuration);

             

              // 直接配置访问集群的路径和访问集群的用户名称

//            FileSystem fileSystem = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser");

             

              // 2 把本地文件上传到文件系统中

              fileSystem.copyFromLocalFile(new Path("f:/hello.txt"), new Path("/hello1.copy.txt"));

             

              // 3 关闭资源

              fileSystem.close();

              System.out.println("over");

       }

}

4)执行程序

运行时需要配置用户名称

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jvm中获取一个参数来作为自己的用户身份:-DHADOOP_USER_NAME=jduser,jduser为用户名称。

3.2 通过API操作HDFS

3.2.1 HDFS获取文件系统

1)详细代码

       @Test

       public void initHDFS() throws Exception{

              // 1 创建配置信息对象

              Configuration configuration = new Configuration();

             

              // 2 获取文件系统

              FileSystem fs = FileSystem.get(configuration);

             

              // 3 打印文件系统

              System.out.println(fs.toString());

       }

3.2.2 HDFS文件上传

       @Test

       public void putFileToHDFS() throws Exception{

              // 1 创建配置信息对象

              // new Configuration();的时候,它就会去加载jar包中的hdfs-default.xml

              // 然后再加载classpath下的hdfs-site.xml

              Configuration configuration = new Configuration();

 

              // 2 设置参数

              // 参数优先级: 1、客户端代码中设置的值  2、classpath下的用户自定义配置文件 3、然后是服务器的默认配置

              configuration.set("dfs.replication", "2");

 

              FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser");

             

              // 3 创建要上传文件所在的本地路径

              Path src = new Path("e:/hello.txt");

             

              // 4 创建要上传到hdfs的目标路径

              Path dst = new Path("hdfs://hadoop102:9000/user/jduser/hello.txt");

             

              // 5 拷贝文件

              fs.copyFromLocalFile(src, dst);

              fs.close();

}

2)将core-site.xml拷贝到项目的根目录下

      

              fs.defaultFS

        hdfs://hadoop102:9000

      

3)将hdfs-site.xml拷贝到项目的根目录下

 

      

              dfs.replication

        1

      

4)测试参数优先级

参数优先级: 1、客户端代码中设置的值  2、classpath下的用户自定义配置文件 3、然后是服务器的默认配置

3.2.3 HDFS文件下载

@Test

public void getFileFromHDFS() throws Exception{

             

       // 1 创建配置信息对象

       Configuration configuration = new Configuration();

             

       FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser");

      

//     fs.copyToLocalFile(new Path("hdfs://hadoop102:9000/user/jduser/hello.txt"), new Path("d:/hello.txt"));

       // boolean delSrc 指是否将原文件删除

       // Path src 指要下载的文件路径

       // Path dst 指将文件下载到的路径

       // boolean useRawLocalFileSystem 是否开启文件效验

    // 2 下载文件

       fs.copyToLocalFile(false, new Path("hdfs://hadoop102:9000/user/jduser/hello.txt"), new Path("e:/hellocopy.txt"), true);

       fs.close();

       }

3.2.4 HDFS目录创建

       @Test

       public void mkdirAtHDFS() throws Exception{

              // 1 创建配置信息对象

              Configuration configuration = new Configuration();

             

              FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser");

             

              //2 创建目录

              fs.mkdirs(new Path("hdfs://hadoop102:9000/user/jduser/output"));

       }

3.2.5 HDFS文件夹删除

       @Test

       public void deleteAtHDFS() throws Exception{

              // 1 创建配置信息对象

              Configuration configuration = new Configuration();

             

              FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser");

             

              //2 删除文件夹 ,如果是非空文件夹,参数2是否递归删除,true递归

              fs.delete(new Path("hdfs://hadoop102:9000/user/jduser/output"), true);

       }

3.2.6 HDFS文件名更改

       @Test

       public void renameAtHDFS() throws Exception{

              // 1 创建配置信息对象

              Configuration configuration = new Configuration();

             

              FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser");

             

              //2 重命名文件或文件夹

              fs.rename(new Path("hdfs://hadoop102:9000/user/jduser/hello.txt"), new Path("hdfs://hadoop102:9000/user/jduser/hellonihao.txt"));

       }

3.2.7 HDFS文件详情查看

查看文件名称、权限、长度、块信息

@Test

public void readListFiles() throws Exception {

       // 1 创建配置信息对象

       Configuration configuration = new Configuration();

             

       FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser");

             

       // 思考:为什么返回迭代器,而不是List之类的容器

       RemoteIterator listFiles = fs.listFiles(new Path("/"), true);

 

       while (listFiles.hasNext()) {

              LocatedFileStatus fileStatus = listFiles.next();

                    

              System.out.println(fileStatus.getPath().getName());

              System.out.println(fileStatus.getBlockSize());

              System.out.println(fileStatus.getPermission());

              System.out.println(fileStatus.getLen());

                    

              BlockLocation[] blockLocations = fileStatus.getBlockLocations();

                    

              for (BlockLocation bl : blockLocations) {

                           

                     System.out.println("block-offset:" + bl.getOffset());

                           

                     String[] hosts = bl.getHosts();

                           

                     for (String host : hosts) {

                            System.out.println(host);

                     }

              }

                    

              System.out.println("--------------李冰冰的分割线--------------");

       }

       }

3.2.8 HDFS文件和文件夹判断

@Test

public void findAtHDFS() throws Exception, IllegalArgumentException, IOException{

             

       // 1 创建配置信息对象

       Configuration configuration = new Configuration();

             

       FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser");

             

       // 2 获取查询路径下的文件状态信息

       FileStatus[] listStatus = fs.listStatus(new Path("/"));

 

       // 3 遍历所有文件状态

       for (FileStatus status : listStatus) {

              if (status.isFile()) {

                     System.out.println("f--" + status.getPath().getName());

              } else {

                     System.out.println("d--" + status.getPath().getName());

              }

       }

}

3.3 通过IO流操作HDFS

3.3.1 HDFS文件上传

       @Test

       public void putFileToHDFS() throws Exception{

              // 1 创建配置信息对象

              Configuration configuration = new Configuration();

             

              FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser");

             

              // 2 创建输入流

              FileInputStream inStream = new FileInputStream(new File("e:/hello.txt"));

             

              // 3 获取输出路径

              String putFileName = "hdfs://hadoop102:9000/user/jduser/hello1.txt";

              Path writePath = new Path(putFileName);

 

              // 4 创建输出流

              FSDataOutputStream outStream = fs.create(writePath);

 

              // 5 流对接

              try{

                     IOUtils.copyBytes(inStream, outStream, 4096, false);

              }catch(Exception e){

                     e.printStackTrace();

              }finally{

                     IOUtils.closeStream(inStream);

                     IOUtils.closeStream(outStream);

              }

       }

3.3.2 HDFS文件下载

       @Test

       public void getFileToHDFS() throws Exception{

              // 1 创建配置信息对象

              Configuration configuration = new Configuration();

             

              FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser");

             

              // 2 获取读取文件路径

              String filename = "hdfs://hadoop102:9000/user/jduser/hello1.txt";

             

              // 3 创建读取path

              Path readPath = new Path(filename);

             

              // 4 创建输入流

              FSDataInputStream inStream = fs.open(readPath);

             

              // 5 流对接输出到控制台

              try{

                     IOUtils.copyBytes(inStream, System.out, 4096, false);

              }catch(Exception e){

                     e.printStackTrace();

              }finally{

                     IOUtils.closeStream(inStream);

              }

       }

3.3.3 定位文件读取

1)下载第一块

@Test

// 定位下载第一块内容

public void readFileSeek1() throws Exception {

 

       // 1 创建配置信息对象

       Configuration configuration = new Configuration();

 

       FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jduser");

 

       // 2 获取输入流路径

       Path path = new Path("hdfs://hadoop102:9000/user/jduser/tmp/hadoop-2.7.2.tar.gz");

 

       // 3 打开输入流

       FSDataInputStream fis = fs.open(path);

 

       // 4 创建输出流

       FileOutputStream fos = new FileOutputStream("e:/hadoop-2.7.2.tar.gz.part1");

 

       // 5 流对接

       byte[] buf = new byte[1024];

       for (int i = 0; i < 128 * 1024; i++) {

              fis.read(buf);

              fos.write(buf);

       }

 

       // 6 关闭流

       IOUtils.closeStream(fis);

       IOUtils.closeStream(fos);

       }

2)下载第二块

       @Test

       // 定位下载第二块内容

       public void readFileSeek2() throws Exception{

             

              // 1 创建配置信息对象

              Configuration configuration = new Configuration();

 

              FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jduser");

             

              // 2 获取输入流路径

              Path path = new Path("hdfs://hadoop102:9000/user/jduser/tmp/hadoop-2.7.2.tar.gz");

             

              // 3 打开输入流

              FSDataInputStream fis = fs.open(path);

             

              // 4 创建输出流

              FileOutputStream fos = new FileOutputStream("e:/hadoop-2.7.2.tar.gz.part2");

             

              // 5 定位偏移量(第二块的首位)

              fis.seek(1024 * 1024 * 128);

             

              // 6 流对接

              IOUtils.copyBytes(fis, fos, 1024);

             

              // 7 关闭流

              IOUtils.closeStream(fis);

              IOUtils.closeStream(fos);

       }

3)合并文件

在window命令窗口中执行

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


你可能感兴趣的:(大数据之hadoop(文件系统HDFS))