hadoop命令详解

ゝ一纸荒年。 2022-07-15 00:25 194阅读 0赞

本文转载自：[http://www.cnblogs.com/linjiqin/p/3147856.html][http_www.cnblogs.com_linjiqin_p_3147856.html]

**一、用户命令**  
1、archive命令

(1).什么是Hadoop archives?  
Hadoop archives是特殊的档案格式。一个Hadoop archive对应一个文件系统目录。 Hadoop archive的扩展名是\*.har。Hadoop archive包含元数据(形式是\_index和\_masterindx)和数据文件(part-\*)。\_index文件包含了档案中的文件的文件名和位置信息。

(2).如何创建archive?  
用法：hadoop archive -archiveName NAME <src>\* <dest>  
命令选项：  
\-archiveName NAME 要创建的档案的名字。  
src 源文件系统的路径名。  
dest 保存档案文件的目标目录。  
范例：  
例1.将/user/hadoop/dir1和/user/hadoop/dir2归档到/user/zoo/文件系统目录下–/user/zoo/foo.har。  
hadoop@ubuntu:~/ hadoop archive -archiveName foo.har /user/hadoop/dir1 /user/hadoop/dir2 /user/zoo/  
当创建archive时，源文件foo.har不会被更改或删除。

(3).如何查看archives中的文件?  
archive作为文件系统层暴露给外界。所以所有的fs shell命令都能在archive上运行，但是要使用不同的URI。另外，archive是不可改变的。所以创建、重命名和删除都会返回错误。Hadoop Archives的URI是har://scheme-hostname:port/archivepath/fileinarchive。  
如果没提供scheme-hostname，它会使用默认的文件系统。这种情况下URI是这种形式har:///archivepath/fileinarchive。  
范例：  
例1.archive的输入是/dir，该dir目录包含文件filea和fileb，现把/dir归档到/user/hadoop/foo.bar。  
hadoop@ubuntu:~/ hadoop archive -archiveName foo.har /dir /user/hadoop  
例2.获得创建的archive中的文件列表  
hadoop@ubuntu:~/hadoop dfs -lsr har:///user/hadoop/foo.har  
例3.查看archive中的filea文件  
hadoop@ubuntu:~/hadoop dfs -cat har:///user/hadoop/foo.har/dir/filea

2、distcp  
说明：用于集群内部或者集群之间拷贝数据的常用命令(顾名思义: dist即分布式，分布式拷贝是也。)。  
用法：hadoop distcp \[选项\] src\_url dest\_url   
命令选项：  
\-m 表示启用多少map  
\-delete 删除已经存在的目标文件，不会删除源文件。这个删除是通过FS Shell实现的。所以如果垃圾回收机制启动的话，删除的目标文件会进入trash。  
\-i 忽略失败。这个选项会比默认情况提供关于拷贝的更精确的统计，同时它还将保留失败拷贝操作的日志，这些日志信息可以用于调试。最后，如果一个map失败了，但并没完成所有分块任务的尝试，这不会导致整个作业的失败。  
\-overwrite 覆盖目标。如果一个map失败并且没有使用-i选项，不仅仅那些拷贝失败的文件，这个分块任务中的所有文件都会被重新拷贝。 所以这就是为什么要使用-i参数。  
范例：  
例1.  
hadoop@ubuntu:~/ hadoop distcp "hdfs://A:8020/user/foo/bar" "hdfs://B:8020/user/foo/baz"

3、fs  
说明：运行一个常规的文件系统客户端。  
用法：hadoop fs \[GENERIC\_OPTIONS\] \[COMMAND\_OPTIONS\]  
各种命令选项可以参考HDFS Shell指南。

4、fsck  
说明：用来检查整个文件系统的健康状况，但是要注意它不会主动恢复备份缺失的block，这个是由NameNode单独的线程异步处理的。  
用法：hadoop fsck \[GENERIC\_OPTIONS\] \[-move|-delete|-openforwrite\] \[-files \[-blocks \[-locations | -racks\]\]\]  
参数选项：  
<path> 检查这个目录中的文件是否完整  
\-move 破损的文件移至/lost+found目录  
\-delete 删除破损的文件  
\-openforwrite 打印正在打开写操作的文件  
\-files 打印正在check的文件名  
\-blocks 打印block报告(需要和-files参数一起使用)  
\-locations 打印每个block的位置信息(需要和-files参数一起使用)  
\-racks 打印位置信息的网络拓扑图(需要和-files参数一起使用)  
范例：  
例1.  
hadoop@ubuntu:~/hadoop-1.1.1/bin$ hadoop fsck /  
Warning: $HADOOP\_HOME is deprecated.

FSCK started by hadoop from /192.168.11.156 for path / at Sat Dec 29 19:33:40 PST 2012  
.Status: HEALTHY  
Total size: 4 B  
Total dirs: 9  
Total files: 1  
Total blocks (validated): 1 (avg. block size 4 B)  
Minimally replicated blocks: 1 (100.0 %)  
Over-replicated blocks: 0 (0.0 %)  
Under-replicated blocks: 0 (0.0 %)  
Mis-replicated blocks: 0 (0.0 %)  
Default replication factor: 1 \#缺省的备份参数1  
Average block replication: 1.0  
Corrupt blocks: 0 \#破损的block数0  
Missing replicas: 0 (0.0 %)  
Number of data-nodes: 1  
Number of racks: 1  
FSCK ended at Sat Dec 29 19:33:40 PST 2012 in 4 milliseconds

The filesystem under path '/' is HEALTHY  
hadoop@ubuntu:~/hadoop-1.1.1/bin$

5、jar  
说明：运行jar文件。用户可以把他们的Map Reduce代码捆绑到jar文件中，使用这个命令执行。  
用法：hadoop jar <jar> \[mainClass\] args…  
范例：  
例1.在集群上运行Map Reduce程序，以WordCount程序为例  
hadoop jar /home/hadoop/hadoop-1.1.1/hadoop-examples.jar wordcount input output  
描述：  
hadoop jar：执行jar命令  
/home/hadoop/hadoop-1.1.1/hadoop-examples.jar: WordCount所在jar  
wordcount：程序主类名  
input output：输入输出文件夹

6、job  
说明：用于和Map Reduce作业交互和命令。  
用法：hadoop job \[GENERIC\_OPTIONS\] \[-submit \] | \[-status \] | \[-counter \] | \[-kill \] | \[-events <\#-of-events>\] | \[-history \[all\] \] | \[-list \[all\]\] | \[-kill-task \] | \[-fail-task \]  
参数选项：  
\-submit <job-file>：提交作业  
\-status <job-id>：打印map和reduce完成百分比和所有计数器。  
\-counter <job-id> <group-name> <counter-name>：打印计数器的值。  
\-kill <job-id>：杀死指定作业。  
\-events <job-id> <from-event-\#> <\#-of-events>：打印给定范围内jobtracker接收到的事件细节。  
\-history \[all\] ：-history 打印作业的细节、失败及被杀死原因的细节。更多的关于一个作业的细节比如成功的任务，做过的任务尝试等信息可以通过指定\[all\]选项查看。   
\-list \[all\]：-list all显示所有作业。-list只显示将要完成的作业。  
\-kill-task <task-id>：杀死任务。被杀死的任务不会不利于失败尝试。  
\-fail-task <task-id>：使任务失败。被失败的任务会对失败尝试不利。

7、pipes  
说明：运行pipes作业。  
用法：hadoop pipes \[-conf \] \[-jobconf , , ...\] \[-input \] \[-output \] \[-jar \] \[-inputformat \] \[-map \] \[-partitioner \] \[-reduce \] \[-writer \] \[-program \] \[-reduces \]  
参数选项：  
\-conf <path>：作业的配置  
\-jobconf <key=value>, <key=value>, …：增加/覆盖作业的配置项  
\-input <path>：输入目录  
\-output <path>：输出目录  
\-jar <jar file>：Jar文件名  
\-inputformat <class>：InputFormat类  
\-map <class>：Java Map类  
\-partitioner <class>：Java Partitioner  
\-reduce <class>：Java Reduce类  
\-writer <class>：Java RecordWriter  
\-program <executable>：可执行程序的URI  
\-reduces <num>：reduce个数

8、version  
说明：打印版本信息。  
用法：hadoop version

9、CLASSNAME  
说明：hadoop脚本可用于调用任何类。  
用法：hadoop CLASSNAME  
描述：运行名字为CLASSNAME的类。

**二、管理命令**  
hadoop集群管理员常用的命令。

1、balancer  
说明：运行集群平衡工具。管理员可以简单的按Ctrl-C来停止平衡过程。  
用法：hadoop balancer \[-threshold \]  
参数选项：  
\-threshold <threshold>：磁盘容量的百分比。这会覆盖缺省的阀值。

2、daemonlog  
说明：获取或设置每个守护进程的日志级别。  
用法：hadoop daemonlog -getlevel <host:port> <name>  
用法：hadoop daemonlog -setlevel <host:port> <name> <level>  
参数选项：  
\-getlevel <host:port> <name>：打印运行在<host:port>的守护进程的日志级别。这个命令内部会连接http://<host:port>/logLevel?log=<name>  
\-setlevel <host:port> <name> <level>：设置运行在<host:port>的守护进程的日志级别。这个命令内部会连接http://<host:port>/logLevel?log=<name>

3、datanode  
说明：运行一个HDFS的datanode。  
用法：hadoop datanode \[-rollback\]  
参数选项：  
\-rollback：将datanode回滚到前一个版本。这需要在停止datanode，分发老的hadoop版本之后使用。

4、dfsadmin  
说明：运行一个HDFS的dfsadmin客户端。  
用法：hadoop dfsadmin \[GENERIC\_OPTIONS\] \[-report\] \[-safemode enter | leave | get | wait\] \[-refreshNodes\] \[-finalizeUpgrade\] \[-upgradeProgress status | details | force\] \[-metasave filename\] \[-setQuota ...\] \[-clrQuota ...\] \[-help \[cmd\]\]  
参数选项：  
\-report：报告文件系统的基本信息和统计信息。  
…

5、jobtracker  
说明：运行MapReduce job Tracker节点。  
用法：hadoop jobtracker

6、namenode  
说明：运行namenode。  
用法：hadoop namenode \[-format\] | \[-upgrade\] | \[-rollback\] | \[-finalize\] | \[-importCheckpoint\]  
参数选项：  
\-format：格式化namenode。它启动namenode，格式化namenode，之后关闭namenode。  
\-upgrade：分发新版本的hadoop后，namenode应以upgrade选项启动。  
\-rollback：将namenode回滚到前一版本。这个选项要在停止集群，分发老的hadoop版本后使用。   
\-finalize：finalize会删除文件系统的前一状态。最近的升级会被持久化，rollback选项将再不可用，升级终结操作之后，它会停掉namenode。  
\-importCheckpoint 从检查点目录装载镜像并保存到当前检查点目录，检查点目录由fs.checkpoint.dir指定。

7、secondarynamenode  
说明：运行HDFS的secondary namenode。  
用法：hadoop secondarynamenode \[-checkpoint \[force\]\] | \[-geteditsize\]  
参数选项：  
\-checkpoint \[force\]：如果EditLog的大小 >= fs.checkpoint.size，启动Secondary namenode的检查点过程。 如果使用了-force，将不考虑EditLog的大小。  
\-geteditsize：打印EditLog大小。

8、tasktracker  
说明：运行MapReduce的task Tracker节点。  
用法：hadoop tasktracker

[http_www.cnblogs.com_linjiqin_p_3147856.html]: http://www.cnblogs.com/linjiqin/p/3147856.html