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
1）HDFS集群包括，NameNode和DataNode以及Secondary Namenode。
2）NameNode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。
3）DataNode 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。
4）SecondaryNameNode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
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] [-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 [-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、-chown：linux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
|
|
3）将hdfs-site.xml拷贝到项目的根目录下
|
|
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
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