大数据技术基础实验三：HDFS实验——部署HDFS
大数据技术基础实验三：HDFS实验——部署HDFS
文章目录
- 大数据技术基础实验三：HDFS实验——部署HDFS
-
- 一、前言
- 二、实验要求
- 三、实验原理
-
- 1、什么是HDFS？
- 2、HDFS的体系结构
- 3、HDFS基本命令
- 四、实验步骤
-
- 1、完成集群各服务器之间的ssh免密登录配置
- 2、在master服务器上确定存在hadoop安装目录
- 3、修改HDFS配置文件
- 4、启动HDFS
- 5、通过查看进程的方式验证HDFS启动成功
- 6、 使用master上传文件
- 五、最后我想说
一、前言
前面通过大数据技术基础实验的学习，我们学会了如何使用Xshell连接学校虚拟机并且学会如何配置各虚拟机之间的SSH免密登录，然后还练习了有关Linux的一些基础命令。
本期内容，我们将学习大数据组件其中一个组件——HDFS的环境搭建，这是后面进行各种实验操作的基础。
然后本期实验我们将使用MobaXterm软件进行终端远程连接操作，大部分的都使用的是Xshell操作，这次我们试一下新软件进行操作，你可以直接点击上方软件名称跳转到它的官网下载，在这里我就不对它进行介绍了，顺便说一句，官网下载的是英文版，如果有需要中文版的朋友留下你们的邮箱，我可以发给你们。
这里我已经连接好了学校的三台虚拟机，接下来我们开始实验吧！
二、实验要求
实验结束时，已构建出以下HDFS集群：
- master上部署主服务NameNode
- Slave1、2上部署从服务DataNode
- master上部署HDFS客户端
待集群搭建好后，还需在master上进行下述操作：
- 在HDFS里新建目录
- 将master上某文件上传至HDFS里刚才新建的目录
三、实验原理
1、什么是HDFS？
HDFS（Hadoop Distributed File System）为大数据平台其它所有组件提供了基本的存储功能。它具有高容错、高可靠、可扩展、高吞吐率等特征，为大数据存储和处理提供了强大的底层存储架构。
HDFS是一个主/从（master/slave）体系结构，从最终用户的角度来看，它就像传统的文件系统，可通过目录路径对文件执行CRUD操作。由于其分布式存储的性质，HDFS集群拥有一个NameNode和一些DataNodes，NameNode管理文件系统的元数据，DataNode存储实际的数据。
2、HDFS的体系结构
HDFS采用了典型的Master/Slave系统架构一个HDFS集群通常包含一个NameNode节点和若干个DataNodes节点，一个文件被分成了一个或多个数据块，并存储在一组DataNode上，DataNode节点可分布在不同的机架。NameNode执行文件系统的名字空间打开、关闭、重命名文件或目录等操作，同时负责管理数据块到具体DataNode节点的映射。在NameNode的统一调度下，DataNode复制处理文件系统客户端的读写请求，完成数据库的创建、删除和复制。
3、HDFS基本命令
HDFS基本命令格式：hadoop fs -cmd args，其中，cmd为具体的操作，args为参数。
部分HDFS命令示例如下：
hadoop fs -mkdir /user/trunk #建立目录/user/trunk
hadoop fs -ls /user #查看/user目录下的目录和文件
hadoop fs -lsr /user #递归查看/user目录下的目录和文件
hadoop fs -put test.txt /user/trunk #上传test.txt文件至/user/trunk
hadoop fs -get /user/trunk/test.txt #获取/user/trunk/test.txt文件
hadoop fs -cat /user/trunk/test.txt #查看/user/trunk/test.txt文件内容
hadoop fs -tail /user/trunk/test.txt #查看/user/trunk/test.txt文件的最后1000行
hadoop fs -rm /user/trunk/test.txt #删除/user/trunk/test.txt文件
hadoop fs -help ls #查看ls命令的帮助文档
四、实验步骤
1、完成集群各服务器之间的ssh免密登录配置
第一个步骤我就不再演示了，不会的朋友可以移步到我之前的博客，里面有详细的配置步骤，链接我就放在下面了：
大数据技术基础实验一：配置SSH免密登录
我放一下截图：
2、在master服务器上确定存在hadoop安装目录
在master服务器终端输入命令：
ls /usr/cstor/hadoop
3、修改HDFS配置文件
（1）设置JDK安装目录
输入命令：
vim /usr/cstor/hadoop/etc/hadoop/hadoop-env.sh
打开hadoop-env.sh文件并进行编辑修改，添加JDK的安装路径。
（2）指定HDFS主节点
输入命令：
vim /usr/cstor/hadoop/etc/hadoop/core-site.xml
打开core-site.xml文件并进行编辑，将如下内容嵌入此文件里最后两行的标签之间：
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/cstor/hadoop/cloud</value>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://master:8020</value>
</property
（3）拷贝集群配置至其它服务器
在master机上执行下列命令，将配置好的hadoop拷贝到其他服务器上。
[2020122145 root@master ~]# cat ~/data/2/machines
slave1
slave2
slave3
client
[2020122145 root@master ~]# for x in `cat ~/data/2/machines` ; do echo $x ; scp -r /usr/cstor/hadoop/etc $x:/usr/cstor/hadoop ; done;
slave1
Warning: Permanently added 'slave1' (ECDSA) to the list of known hosts.
capacity-scheduler.xml 100% 4436 4.6MB/s 00:00
configuration.xsl 100% 1335 277.1KB/s 00:00
container-executor.cfg 100% 318 500.2KB/s 00:00
hadoop-env.cmd 100% 3670 4.6MB/s 00:00
hadoop-metrics.properties 100% 2490 1.1MB/s 00:00
hadoop-metrics2.properties 100% 2598 4.7MB/s 00:00
hadoop-policy.xml 100% 9683 10.6MB/s 00:00
hdfs-site.xml 100% 775 1.7MB/s 00:00
httpfs-env.sh 100% 1449 2.6MB/s 00:00
httpfs-log4j.properties 100% 1657 3.2MB/s 00:00
httpfs-signature.secret 100% 21 47.0KB/s 00:00
httpfs-site.xml 100% 620 1.4MB/s 00:00
kms-acls.xml 100% 3518 5.8MB/s 00:00
kms-env.sh 100% 1527 3.0MB/s 00:00
kms-log4j.properties 100% 1631 3.2MB/s 00:00
kms-site.xml 100% 5511 7.7MB/s 00:00
log4j.properties 100% 11KB 13.9MB/s 00:00
mapred-env.cmd 100% 951 1.8MB/s 00:00
mapred-env.sh 100% 1383 2.8MB/s 00:00
mapred-queues.xml.template 100% 4113 6.9MB/s 00:00
mapred-site.xml.template 100% 758 1.4MB/s 00:00
slaves 100% 10 23.1KB/s 00:00
ssl-client.xml.example 100% 2316 4.5MB/s 00:00
ssl-server.xml.example 100% 2268 4.4MB/s 00:00
yarn-env.cmd 100% 2250 3.9MB/s 00:00
yarn-env.sh 100% 4567 7.6MB/s 00:00
yarn-site.xml 100% 690 1.5MB/s 00:00
hadoop-env.sh 100% 4235 7.2MB/s 00:00
core-site.xml 100% 955 1.6MB/s 00:00
slave2
Warning: Permanently added 'slave2' (ECDSA) to the list of known hosts.
capacity-scheduler.xml 100% 4436 5.9MB/s 00:00
configuration.xsl 100% 1335 408.2KB/s 00:00
container-executor.cfg 100% 318 872.8KB/s 00:00
hadoop-env.cmd 100% 3670 6.1MB/s 00:00
hadoop-metrics.properties 100% 2490 1.0MB/s 00:00
hadoop-metrics2.properties 100% 2598 6.1MB/s 00:00
hadoop-policy.xml 100% 9683 13.8MB/s 00:00
hdfs-site.xml 100% 775 2.0MB/s 00:00
httpfs-env.sh 100% 1449 3.6MB/s 00:00
httpfs-log4j.properties 100% 1657 4.2MB/s 00:00
httpfs-signature.secret 100% 21 58.4KB/s 00:00
httpfs-site.xml 100% 620 1.7MB/s 00:00
kms-acls.xml 100% 3518 7.8MB/s 00:00
kms-env.sh 100% 1527 3.8MB/s 00:00
kms-log4j.properties 100% 1631 4.2MB/s 00:00
kms-site.xml 100% 5511 10.8MB/s 00:00
log4j.properties 100% 11KB 16.5MB/s 00:00
mapred-env.cmd 100% 951 2.5MB/s 00:00
mapred-env.sh 100% 1383 3.6MB/s 00:00
mapred-queues.xml.template 100% 4113 8.6MB/s 00:00
mapred-site.xml.template 100% 758 2.1MB/s 00:00
slaves 100% 10 29.7KB/s 00:00
ssl-client.xml.example 100% 2316 5.6MB/s 00:00
ssl-server.xml.example 100% 2268 5.6MB/s 00:00
yarn-env.cmd 100% 2250 5.5MB/s 00:00
yarn-env.sh 100% 4567 9.1MB/s 00:00
yarn-site.xml 100% 690 1.9MB/s 00:00
hadoop-env.sh 100% 4235 7.1MB/s 00:00
core-site.xml 100% 955 1.7MB/s 00:00
slave3
ssh: Could not resolve hostname slave3: Name or service not known
lost connection
client
ssh: Could not resolve hostname client: Name or service not known
lost connection
[2020122145 root@master ~]#
4、启动HDFS
（1）首先在master服务器上格式化主节点，输入命令：
hdfs namenode -format
（2）然后配置slaves文件，将localhost修改为slave1和slave2。
输入命令：
vi /usr/cstor/hadoop/etc/hadoop/slaves
进入slavers文件修改成如下：
（3）统一启动HDFS
输入命令：
cd /usr/cstor/hadoop
进去hadoop文件然后执行如下命令启动HDFS:
sbin/start-dfs.sh
5、通过查看进程的方式验证HDFS启动成功
分别在master、slave1~2三台机器上执行如下命令，查看HDFS服务是否已启动。
jps
jps是查看java进程的命令。
如果三台虚拟机分别出现上面结果就说明HDFS服务启动成功了。
6、 使用master上传文件
从master服务器向HDFS上传文件。
输入如下命令：
hadoop fs -put ~/data/2/machines /
然后我们执行命令查看文件是否上传成功：
hadoop fs -ls /
可以看出，我们上传成功了。
五、最后我想说
到这里，我们已经完成了本次实验了，希望大家都能顺利地成功完成本次实验目标并从中学到很多知识。
学校提供的大数据实验平台上面有很多实验，我们的课程肯定不会全部都做完只会做其中的一部分，我后续也会尽可能抽出时间把所有有关大数据的实验都做一遍。
谢谢阅读，期待得到你们的支持！