HDFS_学习笔记

1.HDFS产生的背景及定义

HDFS的优点

• 高容错性

• 适合处理大数据

• 可构建在廉价的机器上
  
  HDFS的缺点

• 不适合低时延数据访问

• 无法高效的对大量小文件进行存储

• 不支持并发写入、文件随机修改
  
  HDFS组成架构

• NameNode

• DataNode

• Client

• Secondary NameNode
  
  HDFS文件块大小

2.HDFS的Shell操作（开发重点）

1．基本语法bin/hadoop fs 具体命令 OR bin/hdfs dfs

具体命令dfs是fs的实现类。

（0）启动Hadoop集群（方便后续的测试）

[atguigu@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
[atguigu@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh

（1）-help：输出这个命令参数

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -help rm

（2）-ls: 显示目录信息
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -ls /

（3）-mkdir：在HDFS上创建目录

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -mkdir -p /sanguo/shuguo

（4）-moveFromLocal：从本地剪切粘贴到HDFS

[atguigu@hadoop102 hadoop-2.7.2]$ touch kongming.txt
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -moveFromLocal ./kongming.txt /sanguo/shuguo

（5）-appendToFile：追加一个文件到已经存在的文件末尾

[atguigu@hadoop102 hadoop-2.7.2]$ touch liubei.txt[atguigu@hadoop102 hadoop-2.7.2]$ vi liubei.txt输入san gu mao lu
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo/kongming.txt

（6）-cat：显示文件内容

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -cat /sanguo/shuguo/kongming.txt

（7）-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -chmod 666 /sanguo/shuguo/kongming.txt
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -chown atguigu:atguigu /sanguo/shuguo/kongming.txt

（8）-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -copyFromLocal README.txt /

（9）-copyToLocal：从HDFS拷贝到本地

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./.

（10）-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt

（11）-mv：在HDFS目录中移动文件

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/

（12）-get：等同于copyToLocal，就是从HDFS下载文件到本地

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -get /sanguo/shuguo/kongming.txt ./

（13）-getmerge：合并下载多个文件，比如HDFS的目录 /user/atguigu/test下有多个文件:log.1, log.2,log.3,…

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -getmerge /user/atguigu/test/* ./zaiyiqi.txt

（14）-put：等同于copyFromLocal

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -put ./zaiyiqi.txt /user/atguigu/test/

（15）-tail：显示一个文件的末尾

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -tail /sanguo/shuguo/kongming.txt

（16）-rm：删除文件或文件夹

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -rm /user/atguigu/test/jinlian2.txt

（17）-rmdir：删除空目录

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -mkdir /test
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -rmdir /test

（18）-du统计文件夹的大小信息

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -du -s -h /user/atguigu/test
2.7 K /user/atguigu/test
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -du -h /user/atguigu/test
1.3 K /user/atguigu/test/README.txt
15 /user/atguigu/test/jinlian.txt
1.4 K /user/atguigu/test/zaiyiqi.txt

（19）-setrep：设置HDFS中文件的副本数量

[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt

3.HDFS客户端操作

1．根据自己电脑的操作系统拷贝对应的编译后的hadoop jar包到非中文路径（例如：D:\Develop\hadoop-2.7.2），如图3-4所示。

2. 配置HADOOP_HOME环境变量，如图3-5所示。

3. 配置Path环境变量。
4. 创建一个Maven工程HdfsClientDemo
5．导入相应的依赖坐标+日志添加
6．创建包名：com.atguigu.hdfs
7．创建HdfsClient类
8．执行程序

3.1HDFS文件上传（测试参数优先级）

1.编写源代码

@Testpublic void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {
      	
	// 1 获取文件系统		
	Configuration configuration = new Configuration();
	configuration.set("dfs.replication", "2");					      
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu"); 		
	// 2 上传文件	
	fs.copyFromLocalFile(new Path("e:/banzhang.txt"), new Path("/banzhang.txt")); 	
	// 3 关闭资源		
	fs.close(); 	
	System.out.println("over");
	}

略

3.2HDFS文件下载

@Testpublic void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{
      		
// 1 获取文件系统		
	Configuration configuration = new Configuration();	
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");			
	// 2 执行下载操作	
	// 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 是否开启文件校验		
	fs.copyToLocalFile(false, new Path("/banzhang.txt"), new Path("e:/banhua.txt"), true);				
	// 3 关闭资源		
	fs.close();
	}

3.3HDFS文件夹删除

@Testpublic void testDelete() throws IOException, InterruptedException, URISyntaxException{
      	
	// 1 获取文件系统
	Configuration configuration = new Configuration();	
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");			
	// 2 执行删除	
	fs.delete(new Path("/0508/"), true);		
	// 3 关闭资源	
	fs.close();}

3.4HDFS文件名更改

public void testRename() throws IOException, InterruptedException, URISyntaxException{
      	
	// 1 获取文件系统	
	Configuration configuration = new Configuration();	
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu"); 			
	// 2 修改文件名称
	fs.rename(new Path("/banzhang.txt"), new Path("/banhua.txt"));		
	// 3 关闭资源	
	fs.close();}

3.5HDFS文件详情查看

查看文件名称、权限、长度、块信息

@Testpublic void testListFiles() throws IOException, InterruptedException, URISyntaxException{
      	
// 1获取文件系统	
	Configuration configuration = new Configuration();	
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu"); 			
	// 2 获取文件详情	
	RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);			
	while(listFiles.hasNext()){
     	
		LocatedFileStatus status = listFiles.next();			
		// 输出详情		
		// 文件名
		System.out.println(status.getPath().getName());
		// 长度		  
		System.out.println(status.getLen());		
		// 权限		  
		System.out.println(status.getPermission());	
		// 分组	
		System.out.println(status.getGroup());		
		// 获取存储的块信息		
		BlockLocation[] blockLocations = status.getBlockLocations();				
		for (BlockLocation blockLocation : blockLocations)  
		{
     							
		// 获取块存储的主机节点			
		String[] hosts = blockLocation.getHosts();							 
		for (String host : hosts) {
     							
		System.out.println(host);			}		}					
		System.out.println("-----------班长的分割线----------");	} // 3 关闭资源
		fs.close();
		}

3.6HDFS文件和文件夹判断

@Testpublic void testListStatus() throws IOException, InterruptedException, URISyntaxException{
     			
	// 1 获取文件配置信息	
	Configuration configuration = new Configuration();	
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");			
	// 2 判断是文件还是文件夹	
	FileStatus[] listStatus = fs.listStatus(new Path("/"));		
	for (FileStatus fileStatus : listStatus) {
     	
	// 如果是文件		
	if (fileStatus.isFile()) {
     
	System.out.println("f:"+fileStatus.getPath().getName());					
	}
	else {
     
	System.out.println("d:"+fileStatus.getPath().getName());
        //3 关闭资源	
	fs.close();}

3.7HDFS的I/O流操作

上面我们学的API操作HDFS系统都是框架封装好的。那么如果我们想自己实现上述API的操作该怎么实现呢？我们可以采用IO流的方式实现数据的上传和下载。

3.7.1HDFS文件上传

需求：把本地e盘上的banhua.txt文件上传到HDFS根目录
编写代码

@Testpublic void putFileToHDFS() throws IOException,InterruptedException, URISyntaxException {
      	
	// 1 获取文件系统
	Configuration configuration = new Configuration();	
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu"); 	
	// 2 创建输入流	
	FileInputStream fis = new FileInputStream(new File("e:/banhua.txt")); 	
	// 3 获取输出流	
	FSDataOutputStream fos = fs.create(new Path("/banhua.txt")); 	
	// 4 流对拷	
	IOUtils.copyBytes(fis, fos, configuration); 	
	// 5 关闭资源	
	IOUtils.closeStream(fos);	
	IOUtils.closeStream(fis);   
	fs.close();
	}

3.7.2 HDFS文件下载

从HDFS上下载banhua.txt文件到本地e盘上
编写代码

// 文件下载
@Testpublic void getFileFromHDFS() throws IOException, InterruptedException, URISyntaxException{
      	
	// 1 获取文件系统	
	Configuration configuration = new Configuration();	
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");			
	// 2 获取输入流	
	FSDataInputStream fis = fs.open(new Path("/banhua.txt"));			
	// 3 获取输出流	
	FileOutputStream fos = new FileOutputStream(new File("e:/banhua.txt"));			
	// 4 流的对拷	
	IOUtils.copyBytes(fis, fos, configuration);			
	// 5 关闭资源	
	IOUtils.closeStream(fos);	
	IOUtils.closeStream(fis);	
	fs.close();}

3.7.3定位文件读取

需求：分块读取HDFS上的大文件，比如根目录下的/hadoop-2.7.2.tar.gz2．
编写代码
（1）下载第一块

@Testpublic void readFileSeek1() throws IOException, InterruptedException, URISyntaxException{
      	
// 1 获取文件系统
	Configuration configuration = new Configuration();	
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");			
	// 2 获取输入流	
	FSDataInputStream fis = fs.open(new Path("/hadoop-2.7.2.tar.gz"));			
	// 3 创建输出流	
	FileOutputStream fos = new FileOutputStream(new File("e:/hadoop-2.7.2.tar.gz.part1"));			
	// 4 流的拷贝	
	byte[] buf = new byte[1024];			
	for(int i =0 ; i < 1024 * 128; i++){
     		
	fis.read(buf);		
	fos.write(buf);	}			
	// 5关闭资源	
	IOUtils.closeStream(fis);	
	IOUtils.closeStream(fos);
	fs.close();}

（2）下载第二块

@Testpublic void readFileSeek2() throws IOException, InterruptedException, URISyntaxException{
      	
	// 1 获取文件系统	
	Configuration configuration = new Configuration();	
	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");			
	// 2 打开输入流	
	FSDataInputStream fis = fs.open(new Path("/hadoop-2.7.2.tar.gz"));			
	// 3 定位输入数据位置	
	fis.seek(1024*1024*128);
	// 4 创建输出流	
	FileOutputStream fos = new FileOutputStream(new File("e:/hadoop-2.7.2.tar.gz.part2"));			
	// 5 流的对拷	
	IOUtils.copyBytes(fis, fos, configuration);			
	// 6 关闭资源	
	IOUtils.closeStream(fis);	
	IOUtils.closeStream(fos);
	}

（3）合并文件

在Window命令窗口中进入到目录E:\，然后执行如下命令，对数据进行合并
type hadoop-2.7.2.tar.gz.part2 >> hadoop-2.7.2.tar.gz.part1合并完成后，将hadoop-2.7.2.tar.gz.part1重新命名为hadoop-2.7.2.tar.gz。解压发现该tar包非常完整。

4.HDFS的数据流

4.1HDFS写数据的流程

剖析文件的写入

1. 客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目录文件是否存在，父目录是否存在。
2. NameNode返回是否可以上传
3. 客户端请求上传第一个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）客户端通过FSDataOutputStream模块请求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）。
   网络拓扑-节点距离计算
   在HDFS写距离的过程中，namenode会选择距离待上传数据最近距离的datanode接收数据。那么这个最近距离怎么算呢？
   节点距离：两个节点达到最近的共同祖先的距离总和。
   

4.2HDFS读数据的流程

1）客户端通过Distributed FileSystem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。
2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
3）DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet为单位来做校验）。
4）客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。

5.NameNode和SecondaryNameNode

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。
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200315172853140.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzU2ODU0,size_16,color_FFFFFF,t_70)

5.2 Fsimage和Edits解析

1. 

2. oiv查看Fsimage文件
   （1）查看oiv和oev命令
   [atguigu@hadoop102 current]$ hdfs
   oiv apply the offline fsimage viewer to an fsimage
   oev apply the offline edits viewer to an edits file
   
   

5.4 NameNode故障处理

NameNode故障后，可以采用如下两种方法恢复数据。

方法一：将secondaryNameNode中的数据拷贝到NameNode存储数据的目录中

• kill -9 NameNode进程
• 删除NameNode存储的数据（/opt/module/hadoop-2.7.2/data/tmp/dfs/name）

[atguigu@hadoop102 hadoop-2.7.2]$ 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

[atguigu@hadoop102 dfs]$ scp -r atguigu@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary/* ./name/

• 重新启动NameNode

[atguigu@hadoop102 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenode

方法二：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。

5.5 集群安全模式

基本语法集群处于安全模式，不能执行重要操作（写操作）。集群启动完成后，自动退出安全模式。
（1）bin/hdfs dfsadmin -safemode get （功能描述：查看安全模式状态）
（2）bin/hdfs dfsadmin -safemode enter （功能描述：进入安全模式状态）
（3）bin/hdfs dfsadmin -safemode leave （功能描述：离开安全模式状态）
（4）bin/hdfs dfsadmin -safemode wait （功能描述：等待安全模式状态）

1. 查看当前模式

[atguigu@hadoop102 hadoop-2.7.2]$ hdfs dfsadmin -safemode getSafe mode is OFF

2. 先进入安全模式

[atguigu@hadoop102 hadoop-2.7.2]$ bin/hdfs dfsadmin -safemode enter

3. 创建并执行下列脚本
   在/opt/module/hadoop-2.7.2路径上，编辑一个脚本safemode.sh

[atguigu@hadoop102 hadoop-2.7.2]$ touch safemode.sh
[atguigu@hadoop102 hadoop-2.7.2]$ vim safemode.sh 、
#!/bin/bash
hdfs dfsadmin -safemode wait
hdfs dfs -put /opt/module/hadoop-2.7.2/README.txt / 
[atguigu@hadoop102 hadoop-2.7.2]$ chmod 777 safemode.sh 
[atguigu@hadoop102 hadoop-2.7.2]$ ./safemode.sh 

4. 再打开一个窗口执行

[atguigu@hadoop102 hadoop-2.7.2]$ bin/hdfs dfsadmin -safemode leave

5.6 NameNode多目录配置

1. NameNode的本地目录可以配置成多个，且每个目录存放内容相同，增加了可靠性
2. 具体配置如下
   ![在这里插入图片描述](https://img-blog.csdnimg.cn/20200315182024492.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MzU2ODU0,size_16,color_FFFFFF,t_706.DataNode

6.DataNode

1）一个数据块在DataNode上以文件形式存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳。
2）DataNode启动后向NameNode注册，通过后，周期性（1小时）的向NameNode上报所有的块信息。
3）心跳是每3秒一次，心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器，或删除某个数据块。如果超过10分钟没有收到某个DataNode的心跳，则认为该节点不可用。
4）集群运行中可以安全加入和退出一些机器。

如下是DataNode节点保证数据完整性的方法。
1）当DataNode读取Block的时候，它会计算CheckSum。
2）如果计算后的CheckSum，与Block创建时值不一样，说明Block已经损坏。
3）Client读取其他DataNode上的Block。
4）DataNode在其文件创建后周期验证CheckSum


服役新数据节点 略
退役旧数据节点 略
黑名单退役 略
Datanode多目录配置 略

7.HDFS 2.X新特性

7.2 文件存档

HDFS-HA
YARN-HA 略