大数据之Hadoop——3HDFS(HDFS组成、shell操作、API、读写流程、工作机制)

喜欢ヅ旅行 2022-10-12 12:09 233阅读 0赞

![在这里插入图片描述][20210704163725717.png]

# 1 HDFS概述 #

## 1.1 产生背景和定义 ##

1）HDFS产生背景  
随着数据流越来越大，在一个操作系统存不下所有数据时，就需要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是分布式文件管理系统中的一种。

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，集群中的服务器各有其角色。

HDFS使用场景：适合**一次写入，多次读出**的场景。

我们的电脑磁盘文件系统是：NTFS

## 1.2 HDFS优缺点 ##

*  优点  
    1）高容错性  
    一个副本挂掉后，会自动复制一个副本  
    2）适合处理大数据  
    数据规模：能处理数据规模达到GB，TB，PB级别  
    文件规模：百万规模以上的文件数量  
    3）可构建在廉价数据上
 *  缺点  
    （1）不适合低延时数据访问，比如毫秒级的存储做不到  
    （2）无法高效地对大量小文件进行存储。

## 1.3 HDFS组成架构 ##

老板，打工人。秘书，客户  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2NDgxMjEx_size_16_color_FFFFFF_t_70][]  
1）NameNode(nn)：是Master，他是一个主管，管理者

*  管理HDFS的名称空间
 *  配置副本策略
 *  管理数据块的映射信息
 *  处理客户端读写请求（client首先访问namenode）

2）DataNode：就是Slave，NameNode下达命令，DataNode执行实际操作。

*  存储实际的数据库
 *  执行数据块的读写操作

3）Client客户端

*  文件切分。文件上传HDFS时，将文件分成一个一个的块上传。通常一个块为128M或256M。
 *  与NameNode交互，获取文件的位置信息
 *  与DataNode交互，读取或写入数据
 *  Client提供一些命令来管理HDFS，比如NameNode格式化
 *  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（如果NameNode挂了，并不能马上替换NameNode并提供服务）
 *  辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits

## 1.4 HDFS文件块大小 ##

HDFS中的文件在物理上是分块存储。  
块的大小通过配置参数(dfs.blocksize)来规定，默认大小是128M  
如果寻址时间约为10ms。即查找到目标block的时间为10ms。

块设置的太小，会增加寻址时间，程序一直在找块的开始位置。  
块设置的太大，从磁盘传输数据的时间会明显大于定位这个块开始位置需要的时间，导致程序在处理这块数据时，会非常慢。

HDFS块大小的大小主要取决于磁盘传输速率。如果是机械硬盘：128M。固态硬盘：256M

# 2 HDFS的shell操作 #

## 2.1 基本语法 ##

hadoop fs 具体命令  
hdfs dfs 具体命令  
上面两个是完全相同的。

## 2.2 命令行大全 ##

[atguigu@hadoop102 root]$ hadoop fs 
    Usage: hadoop fs [generic options]
    	[-appendToFile <localsrc> ... <dst>]
    	[-cat [-ignoreCrc] <src> ...]
    	[-checksum [-v] <src> ...]
    	[-chgrp [-R] GROUP PATH...]
    	[-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
    	[-chown [-R] [OWNER][:[GROUP]] PATH...]
    	[-concat <target path> <src path> <src path> ...]
    	[-copyFromLocal [-f] [-p] [-l] [-d] [-t <thread count>] <localsrc> ... <dst>]
    	[-copyToLocal [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
    	[-count [-q] [-h] [-v] [-t [<storage type>]] [-u] [-x] [-e] [-s] <path> ...]
    	[-cp [-f] [-p | -p[topax]] [-d] <src> ... <dst>]
    	[-createSnapshot <snapshotDir> [<snapshotName>]]
    	[-deleteSnapshot <snapshotDir> <snapshotName>]
    	[-df [-h] [<path> ...]]
    	[-du [-s] [-h] [-v] [-x] <path> ...]
    	[-expunge [-immediate] [-fs <path>]]
    	[-find <path> ... <expression> ...]
    	[-get [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
    	[-getfacl [-R] <path>]
    	[-getfattr [-R] { -n name | -d} [-e en] <path>]
    	[-getmerge [-nl] [-skip-empty-file] <src> <localdst>]
    	[-head <file>]
    	[-help [cmd ...]]
    	[-ls [-C] [-d] [-h] [-q] [-R] [-t] [-S] [-r] [-u] [-e] [<path> ...]]
    	[-mkdir [-p] <path> ...]
    	[-moveFromLocal [-f] [-p] [-l] [-d] <localsrc> ... <dst>]
    	[-moveToLocal <src> <localdst>]
    	[-mv <src> ... <dst>]
    	[-put [-f] [-p] [-l] [-d] [-t <thread count>] <localsrc> ... <dst>]
    	[-renameSnapshot <snapshotDir> <oldName> <newName>]
    	[-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ...]
    	[-rmdir [--ignore-fail-on-non-empty] <dir> ...]
    	[-setfacl [-R] [{ -b|-k} { -m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
    	[-setfattr { -n name [-v value] | -x name} <path>]
    	[-setrep [-R] [-w] <rep> <path> ...]
    	[-stat [format] <path> ...]
    	[-tail [-f] [-s <sleep interval>] <file>]
    	[-test -[defswrz] <path>]
    	[-text [-ignoreCrc] <src> ...]
    	[-touch [-a] [-m] [-t TIMESTAMP (yyyyMMdd:HHmmss) ] [-c] <path> ...]
    	[-touchz <path> ...]
    	[-truncate [-w] <length> <path> ...]
    	[-usage [cmd ...]]

### 2.2.1 上传 ###

1）-moveFromLocal 把本地文件移动到HDFS

vim shuguo.txt
    hadoop fs -moveFromLocal ./shuguo.txt /sanguo

2）-copyFromLocal

vim weiguo.txt
    hadoop fs -copyFromLocal ./weiguo.txt /sanguo

3）-put 等同于copyFromLoal，生产环境更习惯用put

vim wuguo.txt
    hadoop fs -put ./wuguo.txt /sanguo

4）-appendToFile：追加一个文件到已存在的文件

vim wuguo.txt
    hadoop fs -appendToFile liubei.txt /sanguo/shuguo.txt

### 2.2.2 下载 ###

1）-copyToLocal：从HDFS拷贝到本地

hadoop fs -copyToLocal /sanguo/shuguo.txt ./

2）-get：等同于copyToLocal，生产环境更习惯用get

hadoop fs -get/sanguo/shuguo.txt ./

### 2.2.3 HDFS直接操作 ###

1）-ls

hadoop fs -ls /sanguo

2）-cat

hadoop fs -cat /sanguo/weiguo.txt

3）-chgrp 、-chmod、-chown

hadoop fs -chmod 666
    hadoop fs -chown atguigu:atguigu /sanguo/shuguo.txt

4）-mkdir

hadoop fs -mkdir /jinguo

5）-cp

hadoop fs -cp /sanguo/shuguo.txt /jinguo

6）-mv 在HDFS目录中移动文件

hadoop fs -cp /sanguo/weiguo.txt /jinguo

7）-tail

hadoop fs -tail /sanguo/weiguo.txt

8）-rm

hadoop fs -rm /sanguo/shuguo.txt

9）-du 统计文件夹的大小信息

hadoop fs -du -s -h /jinguo 
    hadoop fs -du -h /jinguo

10）-setrep 设置HDFS中文件的副本数量

hadoop fs -setrep 10 /jinguo/shuguo.txt

# 3 HDFS的API操作 #

## 3.1 客户端环境准备 ##

## 3.2 HDFS的API案例实操 ##

### 3.2.1 HDFS文件上传 ###

### 3.2.2 HDFS文件下载 ###

# 4 HDFS的读写流程 #

## 4.1 HDFS写数据流程 ##

### 4.1.1 剖析文件写入 ###

### 4.1.2 网络拓扑-节点距离计算 ###

### 4.1.3 机架感知 ###

[20210704163725717.png]: /images/20221005/63eae6f3e579499a885e726e13cd68e2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2NDgxMjEx_size_16_color_FFFFFF_t_70]: /images/20221005/2072f32baa9b4b07b084bb7af01ca62e.png