hdfs shell操作

HDFS 的shell操作

Shell在计算机科学中俗称“壳”，是提供给使用者使用界面的进行与系统交互的软件，通过接收用户输入的命令执行相应的操作，Shell分为图形界面Shell和命令行式Shell。文件系统（FS）Shell包含了各种的类Shell的命令，可以直接与Hadoop分布式文件系统以及其他文件系统进行交互。

一、三种Shell命令方式

二、常用HDFS的shell命令

三、HDFS常用命令操作实例

启动hadoop集群

1、创建单层目录

输入命令：hdfs dfa -mkdir /ied 在hdfs上创建一个/ied 目录

在webUI 界面查看刚刚创建的/ied 目录

2、创建多层目录

输入命令：hdfs dfs -mkdir -p /luzhou/lzy

在webUI 界面查看刚刚创建的 /luzhou/lzy文件

3、查看目录

输入命令：hdfs dfs -ls / hdfs根目录下的所有目录

输入命令：hdfs dfs -ls /luzhou 可以看到/luhzou 下面的目录

如果我们要查看根目录里的全部资源，那么要用到递归参数 -R (大写)
输入命令：hdfs dfs -ls -R / 把hdfs 根目录上所有的文件都递归显示出来了(采用递归算法遍历树结构)

4，上传本地文件到hdfs

创建test.txt 文件，输入命令：echo "hello word" > test.txt (> 重定向命令)

上传test.txt 文件到hdfs 的/ied目录，执行命令：hdfs dfs -put test.txt /ied

查看是否上传成功 输入命令：hdfs dfs -ls /ied

在webUI界面上进行查看

5、查看文件内容

输入命令：hdfs dfs -cat /ied/test.txt

6、下载hdfs文件到本地

先删除本文的test.txt文件，输入命令：rm -rf test.txt

下载hdfs文件系统的/ied/test.txt到本地目录不改名
输入命令：hdfs dfs -get /ied/test.txt

查看是否下载成功

可以将hdfs上的文件下载到本地指定位置，并且可以更改文件名
输入命令：hdfs dfs -get /ied/test.txt /home/exam.txt

查看是否下载成功

7、删除hdfs文件

输入命令：hdfs dfs -rm /ied/test.txt 把hdfs的/ied下的test.txt 文件删除

查看是否删除成功

使用通配符，可以删除满足一定特征的文件
删除/ied 目录下，所有文件名t开头的文件

8、删除hdfs目录

输入命令：hdfs dfs -rmdir /luzhou

• 提示：rmdir命令删除不了非空目录
• 要递归删除才能删除非空目录: hdfs dfs -rm -r /luzhou (r:recursive)
  输入命令：hdfs dfs -rm -r /luzhou
  
  将 /BigData 变成一个空目录，(删除里面的空子目录class_one,class_two和文件test.txt)
  
  输入命令：hdfs dfs -rm -r /BigData/* 使用通配符* 和 递归方式删除/BigData 里的所有东西

此时删除非空目录，输入命令：hdfs dfs -rmdir /BigData (-rmdir 专门用来删除非空目录，删除目录之前先用递归把目录里的数据删除了，再把目录删除了)

查看是否删除成功

9、移动目录或文件

-mv 具有移动和更名的双重功能
将/ied 目录更名为/ied01,执行命令：hdfs dfs -mv /ied /ied01

在webUI界面查看是否更名成功

将/ied01/exam.txt 改名为 /ied01/test.txt
输入命令：hdfs dfs -mv /ied01/exam.txt /ied01/test.txt

查看更名后的 test.txt 文件的内容

创建/ied02 目录，将/ied01/test.txt 移动到 /ied02目录，并且改名为 exam.txt
输入命令：hdfs dfs -mv /ied01/test.txt /ied02/exam.txt

在webUI 界面查看 文件已经移动到/ied02 目录下，原目录的文件已经为空

10、文件合并下载

创建sport.txt、music.txt和book.txt 并上传到 /ied01 目录下

在webUI界面上查看，注意文件是按照字典字母顺序排好了的

合并/ied01目录的文件下载到本地当前目录的merger.txt
输入命令：hdfs dfs -getmerge /ied01/* marge.txt
使用 -getmerge 命令，下载合并数据导本地，然后合并为文件 merger.txt

查看刚刚下载的 merger.txt 文件 里面是三个文件合并的数据

11、检查文件信息

fask: file system check —— 文件系统
检查 /ied01/book.txt 文件，输入命令：hdfs dfs fask /ied01/book.txt -files -blocjs -locations -racks

HDFS 里面一个文件快大概是128MB，上传一个大于128MB的文件，hadoop-3.3.4.tar.gz 大概是663.21MB 128MB X 5 = 640MB < 663 MB 所以 HDFS会将文件分为6块

将这个hadoop 压缩包文件上传到HDFS上
执行命令：hdfs dfs -put hadoop-3.3.4.tar.gz /ied01
在webUI界面上查看是否成功

查看HDFS上hadoop-3.3.4.tar.gz 的文件信息，输入命令：hdfs fsck /ied01/hadoop-3.3.4.tar.gz files -blocks -locations -racks

在webUI界面上查看更加的方便，总共有六个文件快：Block0 Block1 Block2 Block3 Block4 Block5

第一个文件快信息

第六个文件快信息

12、创建时间戳文件

在 /ied01 目录里创建一个文件，sunshine.txt，执行命令：hdfs dfs -touchz /ied01/sunshine.txt
创建的是一个空文件，大小为0字节

这种空文件，一般叫做标识文件，也叫做时间戳文件，再次在/ied01目录下创建sunshine.txt 文件，两个相同文件的时间戳不一样

注意：如果touchz命令的路径指定的文件不存在，那就创建一个空文件，如果指定的文件存在，那就改变该文件的时间戳

13、复制文件或目录

cd: copy 拷贝或者复制

1. 同名复制文件
   将 /ied01/music.txt 复制到 /ied02 里，输入命令：hdfs dfs -cp /ied01/music.txt /ied02
   
   查看拷贝生成的文件
   hdfs dfs -ls /ied02/music.txt
   
2. 改名复制文件
   将 /ied01/book.txt 复制到 /ied02目录下，改名为read.txt，执行命令：`hdfs dfs -cp /ied01/book.txt /ied02/read.txt
   
   查看拷贝之后的内容
   
   拷贝之后，原文件依然存在
   
3. 复制目录
   将 /ied01 目录复制到 /ied03 目录，输入命令：hdfs dfs -cp /ied01 /ied03
   
   查看拷贝之后的 /ied03 的内容，跟 /ied01 的完全相同
   

14，查看文件大小

du：disk usage(查看文件)
输入命令：hdfs dfs -du /ied01/book.txt 一共有13个字符，10个字母和两个空格，包含一个看不见的结束符，一个字符是三个字节，所以是39个字节

15、上传文件

-copyFromLocal 类似于 -put，执行命令：hdfs dfs -copyFromLocal mergar.txt /ied02

查看是否上传成功

16，下载文件

copyToLocal 类似于 -get ，执行命令：hdfs dfs -copyToLocal /ied01/sunshine.txt sunlight.txt
将hdfs 上 /ied01 目录下的 sunshine.txt 文件下载到linux 本地，并且把文件更名为 sunlight.txt

查看下载并改名的sunlight.txt 文件

17、查看某目录下文件个数

输入命令：hdfs dfs -count /ied01 count: 计数 /ied01 目录下有5个文件

18，检查hadoop 本地库

输入命令：hdfs checknative -a

查看hadoop本地库文件
输入命令：ll /opt/hadoop-3.3.4/lib/native/libhadoop.so.1.0.0

19、进入和退出安全模式

哪些情况下HDFS 会进入安全模式 (只能读不能写)
(1) 名称节点启动时，进入安全模式，直到fsimage用edits更新完毕才退出安全模式
(2) 当文件块的副本数量少于设置的副本数量，会进入安全模式，直到生成符合要求的副本数，才会退出安全模式，其实也可以通过命令方式进入或退出安全模式

1. 进入安全模式
   执行命令：hdfs dfsadmin -safemode enter
   注意：进入安全模式之后，只能读不能写
   
   此时，如果要创建目录，就算报错
   
2. 退出安全模式
   输入命令：hdfs dfsadmin -safemode leave
   
   此时，创建/ied04 就没有任何问题
   

四、Shell定时采集数据到HDFS(案例)

服务器每天会产生大量日志数据，并且日志文件可能存在于每个应用程序指定的data目录中，在不使用其他工具的情况下，将服务器中的日志文件规范地放进HDFS中，通过编写简单的Shell脚本，用于每天自动采集服务器上的日志文件，并将海量的日志上传到HDFS中
创建日志存放的目录 /export/data/logs/log，执行命令：mkdir -p /export/data/logs/log

创建待上传文件存放的目录/export/data/logs/toupload
执行命令：mkdir -p /export/data/logs/toupload

查看创建的目录树结构

1、编程思路与步骤

1) 配置环境变量

首先在/export/data/logs目录下(如果目录不存在，则需要提前创建) 使用 vim 命令创建 upload2HDFS.sh 脚本文件，在编写Shell脚本时，需要设置Java环境变量和Hadoop环境变量，这样做是用来提高系统的可靠性，保障运行程序的机器在没有配置环境变量的情况下，依然能够运行脚本

2) 准备日志存放目录和待上传文件

为了让开发者便于控制上传文件的流程，可以在脚本中设置一个日志存放目录和待上传文件目录，若上传过程中发生错误只需要查看该目录就能直到文件的上传进度

3) 设置日志文件上传的路径

设置上传的HDFS目标路径，命名格式以时间结尾，并且输出打印信息

4) 实现文件上传

上传文件的过程就是遍历文件目录的过程，将文件首先移动到待上传目录，再从待上传目录中上传到HDFS中。若是在每天12点凌晨执行一次，我们可以使用Linux Crontab表达式执行定时任务

2、编写脚本，实现功能

进入 /export/data/logs 目录

执行命令：vim upload2HDFS.sh 编写以下代码

#!/bin/bash

JAVA_HOME=/opt/jdk1.8.0_162
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
export HADOOP_HOME=/opt/hadoop-3.3.4/
export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH
#日志文件存放的目录，需手动创建
log_src_dir=/export/data/logs/log/
#待上传文件存放的目录，需手动创建
log_toupload_dir=/export/data/logs/toupload/
#设置日期
date1=`date +%Y_%m_%d`
#日志文件上传到hdfs的根路径
hdfs_root_dir=/data/clickLog/$date1/
#打印环境变量信息
echo "envs: hadoop_home: $HADOOP_HOME"
#读取日志文件的目录，判断是否有需要上传的文件
echo "log_src_dir: $log_src_dir"
ls $log_src_dir | while read fileName
do
        if [[ "$fileName" == access.log.* ]]; then
                date=`date +%Y_%m_%d_%H_%M_%S`
                #将文件移动到待上传目录并重命名
                echo "moving $log_src_dir$fileName to $log_toupload_dir"lzy_click_log_$fileName"$date"
                mv $log_src_dir$fileName $log_toupload_dir"lzy_click_log_$fileName"$date
                #将待上传的文件path写入一个列表文件willDoing，
                echo $log_toupload_dir"lzy_click_log_$fileName"$date >> $log_toupload_dir"willDoing."$date
        fi
done
#找到列表文件willDoing
ls $log_toupload_dir | grep will | grep -v "_COPY_" | grep -v "_DONE_" | while read line
do
        #打印信息
        echo "toupload is in file: $line"
        #将待上传文件列表willDoing改名为willDoing_COPY_
        mv $log_toupload_dir$line $log_toupload_dir$line"_COPY_"
        #读列表文件willDoing_COPY_的内容（一个一个的待上传文件名）
        #此处的line 就是列表中的一个待上传文件的path
        cat $log_toupload_dir$line"_COPY_" | while read line
        do
                 #打印信息
                echo "puting...$line to hdfs path...$hdfs_root_dir"
                hdfs dfs -mkdir -p $hdfs_root_dir
                hdfs dfs -put $line $hdfs_root_dir
        done
        mv $log_toupload_dir$line"_COPY_"  $log_toupload_dir$line"_DONE_"
done

编辑权限，执行命令：chomd u+x upload2HDFS.sh

查看 /export 目录树结构

3、运行脚本，查看结果

• 为了模拟生产环境，在日志存放目录/export/data/logs/log/中，手动创建日志文件，access.log表示正在源源不断的产生日志的文件，access.log.1、access.log.2等表示已经滚动完毕的日志文件，即为待上传日志文件
• 在upload2HDFS.sh文件路径下运行脚本，先将日志存放目录log中的日志文件移到待上传toupload目录下，并根据业务需求重命名；然后脚本执行“hdfs
  dfs -put”上传命令，将待上传目录下的所有日志文件上传至HDFS；最后通过HDFS
  WebUI界面可看到需要采集的日志文件已按照日期分类，上传至HDFS中。
• 创建四个日志文件（必须以access.log.打头）
  
  查看 /export 目录树结构
  

输入命令：./upload2HDFS.sh 可以看到目录后面出现了时间，那就是日志的时间

查看/export 目录树解构

在webUI界面上查看上传的日志文件