1 HDFS概述

1.1 HDFS产生背景和定义

1.1.1 HDFS产生背景

​ 随着数据量越来越大,在一个操作系统存不下所有的数据,那么就分配到更多的操作系统管理的磁盘中,但是不方便管理和维护,迫切需要一种系统来管理多台机器上的文件,这就是分布式文件管理系统。HDFS只是分布式文件管理系统中的一种。

1.1.2 HDFS定义

​ HDFS (Hadoop Distributed File System),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的使用场景: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 HDFS的优缺点

1.2.1 优点

1 高容错性

​ 1.1 数据自动保存多个副本。它通过增加副本的形式,提高容错性。

​ 1.2 某一副本丢失以后,它可以自动恢复。

2 适合处理大数据

​ 2.1 数据规模:能够处理数据规模达到GB、TB、甚至PB级别的数据;

​ 2.2 文件规模:能够处理百万规模以上的文件数量,数量相当之大。

3 可构建在廉价机器上,通过多副本机制,提高可靠性。

1.2.2 缺点

1 不适合低延时数据访问,比如毫秒级的存储数据,是做不到的。

2 无法高效的对大量小文件进行存储。

​ 2.1 存储大量小文件的话,他会占用NameNode大量的内存来存储文件目录和快信息。这样是不可取的。因为NameNode的内存总是有限的;

​ 2.2 小文件存储的寻址时间会超过读取时间,它违反了HDFS的设计目标。

3 不支持并发写入、文件随机修改。

​ 3.1 一个文件只能有一个写,不允许多个线程同时写;

​ 3.2 仅支持数据append(追加),不支持文件的随机修改。

1.3 HDFS组成架构

1 NameNode(nn):就是Master,它是一个主管、管理者。

​ 1.1 管理HDFS的名称空间;

​ 1.2 配置副本策略;

​ 1.3 管理数据块(Block)映射信息;

​ 1.4 处理客户端读写请求。

2 DataNode:就是Slave。NameNode下达命令,DataNode执行实际的操作。

​ 2.1 存储实际的数据块;

​ 2.2 执行数据块的读/写操作。

3 Client:就是客户端。

​ 3.1 文件切分。文件上传HDFS的时候,Client将文件切分成一个一个的Block,然后进行上传;

​ 3.2 与NameNode交互,获取文件的位置信息;

​ 3.3 与DataNode交互,读取或者写入数据;

​ 3.4 Client提供一些命令来管理HDFS,比如NameNode格式化;

​ 3.5 Client可以通过一些命令来访问HDFS,比如对HDFS增删查改操作。

4 Secondary NameNode:并非NameNode的热备。当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务。

​ 4.1 辅助NameNode,分担其工作量,比如定期合并Fsimage和Edits,并推送给NameNpde;

​ 4.2 在紧急情况下,可辅助恢复NamaNode。

hdfs组织架构

1.4 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128 M,老版本中是64 M。

​ 对于集群中的block,如果寻址时间约为10 ms(即查找到目标block的时间为10 ms),又因为寻址时间为传输时间的1%时为最佳状态,于是得传输时间=10 ms/0.01=1000 ms=1 s。而目前磁盘的传输速率普遍为100 MB/s,因此block大小=1 s*100 MB/s=100 MB

1 HDFS的块设置太小,会增加寻址时间,程序一直在找块的开始位置;

2 数据块设置太大,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。导致程序在处理这块数据时,会非常慢。

综上,HDFS块的大小主要取决于磁盘传输速率,一般取1 s所传输的数据量大小。

2 HDFS的Shell操作

2.1 基本语法

HDFS在Sheel中的操作方式有两种类型,其除了形式上不一样外,功能完全相同:

  • hadoop fs +具体命令
  • hdfs dfs +具体命令

2.2 常用命令

2.2.1 上传

  • -moveFromLocal:从本地剪切粘贴到HDFS

hadoop fs -moveFromLocal LocalFilePath HDFSPath

或者

hdfs dfs -moveFromLocal LocalFilePath HDFSPath

  • -copyFromLocal:从本地文件系统中拷贝粘贴到HDFS路径去

hadoop fs -moveFromLocal LocalFilePath HDFSPath

  • -appendToFile:追加一个文件到已经存在的文件末尾

hadoop fs -appendToFile HDFSFilePath FilePath

  • -put:等同于copyFromLocal

2.2.2 下载

  • -copyToLocal:从HDFS拷贝到本地

hadoop fs -copyToLocal HDFSFilePath LocalPath

  • -get:等同于copyToLocal,就是从HDFS下载文件到本地
  • -getmerge:合并下载多个文件,比如HDFS的/user/test下有多个文件:log1.txt、log2.txt,......

hadoop fs -getmerge /user/test/* ./zaiyiqi.txt

2.2.3 HDFS直接操作

  • -ls:显示目录信息
  • -mkdir:在HDFS上创建目录

hadoop fs -mkdir -p Path

  • -cat:显示文件内容
  • -chmod、 -chown、 -chgrp:与Linux文件系统中的用法一样,用来修改文件的可读、可写、可执行权限

hadoop fs -chmod [权限参数][拥有者][:[组]] path

  • -cp:从HDFS的一个路径拷贝到HDFS的另一个路径。
  • -mv:在HDFS目录中移动文件。
  • -tail:显示一个文件的末尾 1kb 的数据
  • -rm:删除文件或文件夹
  • -rmdir:删除空目录
  • -du 统计文件夹的大小信息
  • -setrep:设置 HDFS 中文件的副本数量

hadoop fs -setrep 10

最后修改:2022 年 08 月 22 日
如果觉得我的文章对你有用,请随意赞赏