HDFS文件系统(一)

一.HDFS概念

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

  • HDFS集群包括,NameNode和DataNode以及Secondary Namenode。
  • 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。
  • 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。
  • Secondary NameNode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
  • 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。默认的块大小实际为64MB,但是很多情况下HDFS使用128MB的块设置。
  • 块的大小:10ms100100M/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]  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
    	hadoop fs -ls /
    (3)-mkdir:在hdfs上创建目录
    	hadoop fs  -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
    	hadoop  fs  - moveToLocal   /aaa/bbb/cc/dd  /home/hadoop/a.txt
    (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)-text:以字符形式打印一个文件的内容
    	hadoop  fs  -text  /weblog/access_log.1
    (10)-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
    (11)-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/
    (12)-copyToLocal:从hdfs拷贝到本地
    	hadoop fs -copyToLocal /aaa/jdk.tar.gz
    (13)-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
    (14)-mv:在hdfs目录中移动文件
    	hadoop  fs  -mv  /aaa/jdk.tar.gz  /
    (15)-get:等同于copyToLocal,就是从hdfs下载文件到本地
    	hadoop fs -get  /aaa/jdk.tar.gz
    (16)-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,...
    	hadoop fs -getmerge /aaa/log.* ./log.sum
    (17)-put:等同于copyFromLocal
    	hadoop  fs  -put  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2
    (18)-rm:删除文件或文件夹
    	hadoop fs -rm -r /aaa/bbb/
    (19)-rmdir:删除空目录
    	hadoop  fs  -rmdir   /aaa/bbb/ccc
    (20)-df :统计文件系统的可用空间信息
    	hadoop  fs  -df  -h  /
    (21)-du统计文件夹的大小信息
    	hadoop  fs  -du  -s  -h /aaa/*
    (22)-count:统计一个指定目录下的文件节点数量
    	hadoop fs -count /aaa/
    (23)-setrep:设置hdfs中文件的副本数量
    	hadoop fs -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

  • 解压hadoop-2.7.2.tar.gz到非中文目录
  • 进入share文件夹,查找所有jar包,并把jar包拷贝到_lib文件夹下
  • 在全部jar包中查找.source.jar,并剪切到_source文件夹。
  • 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, "atguigu");
    		
    		// 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
    HDFS文件系统(一)_第1张图片
    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=atguigu,atguigu为用户名称。

3.2 通过API操作HDFS

3.2.1 HDFS获取文件系统

@Test
public void initHDFS() 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("fs.defaultFS", "hdfs://hadoop102:9000");
	configuration.set("dfs.replication", "3");
	
	// 3 获取文件系统
	FileSystem fs = FileSystem.get(configuration);
	
	// 4 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
	Configuration configuration = new Configuration();
	
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "atguigu");
	
	// 2 创建要上传文件所在的本地路径
	Path src = new Path("e:/hello.txt");
	
	// 3 创建要上传到hdfs的目标路径
	Path dst = new Path("hdfs://hadoop102:9000/user/atguigu/hello.txt");
	
	// 4 拷贝文件
	fs.copyFromLocalFile(src, dst);
	fs.close();	
}

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, "atguigu");	
	
//	fs.copyToLocalFile(new Path("hdfs://hadoop102:9000/user/atguigu/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/atguigu/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, "atguigu");	
	
	//2 创建目录
	fs.mkdirs(new Path("hdfs://hadoop102:9000/user/atguigu/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, "atguigu");	
	
	//2 删除文件夹 ,如果是非空文件夹,参数2必须给值true
	fs.delete(new Path("hdfs://hadoop102:9000/user/atguigu/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, "atguigu");
	
	//2 重命名文件或文件夹
	fs.rename(new Path("hdfs://hadoop102:9000/user/atguigu/hello.txt"), 
					new Path("hdfs://hadoop102:9000/user/atguigu/hellonihao.txt"));
}

3.2.7 HDFS文件详情查看

@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, "atguigu");
		
	// 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文件夹查看

@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, "atguigu");
		
	// 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, "atguigu");
	
	// 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/atguigu/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, "atguigu");
	
	// 2 获取读取文件路径
	String filename = "hdfs://hadoop102:9000/user/atguigu/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

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, "atguigu");

	// 2 获取输入流路径
	Path path = new Path("hdfs://hadoop102:9000/user/atguigu/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);
}

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, "atguigu");
	
	// 2 获取输入流路径
	Path path = new Path("hdfs://hadoop102:9000/user/atguigu/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);
}

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

四. HDFS的数据流

4.1 HDFS写数据流程

4.1.1 剖析文件写入

HDFS文件系统(一)_第2张图片

  1. 客户端向namenode请求上传文件,namenode检查目标文件是否已存在,父目录是否存在。
  2. namenode返回是否可以上传。
  3. 客户端请求第一个 block上传到哪几个datanode服务器上。
  4. namenode返回3个datanode节点,分别为dn1、dn2、dn3
  5. 客户端请求dn1上传数据,dn1收到请求会继续调用dn2,然后dn2调用dn3,将这个通信管道建立完成
  6. dn1、dn2、dn3逐级应答客户端。
  7. 客户端开始往dn1上传第一个block(先从磁盘读取数据放到一个本地内存缓存),以packet为单位,dn1收到一个packet就会传给dn2,dn2传给dn3;dn1每传一个packet会放入一个应答队列等待应答
  8. 当一个block传输完成之后,客户端再次请求namenode上传第二个block的服务器。(重复执行3-7步)

4.2 HDFS读数据流程

HDFS文件系统(一)_第3张图片

  • 客户端向namenode请求下载文件,namenode通过查询元数据,找到文件块所在的datanode地址。
  • 挑选一台datanode(就近原则,然后随机)服务器,请求读取数据。
  • datanode开始传输数据给客户端(从磁盘里面读取数据放入流,以packet为单位来做校验)。
  • 客户端以packet为单位接收,先在本地缓存,然后写入目标文件。

4.3 一致性模型

debug调试如下代码
@Test
public void writeFile() throws Exception{
	// 1 创建配置信息对象
	Configuration configuration = new Configuration();
	fs = FileSystem.get(configuration);
	
	// 2 创建文件输出流
	Path path = new Path("hdfs://hadoop102:9000/user/atguigu/hello.txt");
	FSDataOutputStream fos = fs.create(path);
	
	// 3 写数据
	fos.write("hello".getBytes());
    // 4 一致性刷新
	fos.hflush();
	
	fos.close();
}

写入数据时,如果希望数据被其他client立即可见,调用如下方法FsDataOutputStream. hflush ();
//清理客户端缓冲区数据,被其他client立即可见

你可能感兴趣的:(大数据,hdfs,文件系统)