文章目录

分布式文件系统 HDFS

课程目标：

  • 知道什么是hdfs
  • 说出hdfs的架构
  • 能够掌握hdfs的环境搭建
  • 能够掌握hdfs shell的基本使用
  • 知道hdfs shell的优缺点

2.1 HDFS的使用

  • 启动HDFS

    • 来到$HADOOP_HOME/sbin目录下
    • 执行start-dfs.sh 
    [hadoop@hadoop00 sbin]$ ./start-dfs.sh
    • 可以看到 namenode和 datanode启动的日志信息 
    Starting namenodes on [hadoop00]
hadoop00: starting namenode, logging to /home/hadoop/app/hadoop-2.6.0-cdh5.7.0/logs/hadoop-hadoop-namenode-hadoop00.out
localhost: starting datanode, logging to /home/hadoop/app/hadoop-2.6.0-cdh5.7.0/logs/hadoop-hadoop-datanode-hadoop00.out
Starting secondary namenodes [0.0.0.0]
0.0.0.0: starting secondarynamenode, logging to /home/hadoop/app/hadoop-2.6.0-cdh5.7.0/logs/hadoop-hadoop-secondarynamenode-hadoop00.out
    • 通过jps命令查看当前运行的进程 
    [hadoop@hadoop00 sbin]$ jps
4416 DataNode
4770 Jps
4631 SecondaryNameNode
4251 NameNode
    • 可以看到 NameNode DataNode 以及 SecondaryNameNode 说明启动成功

  • 通过可视化界面查看HDFS的运行情况

    • 通过浏览器查看 192.168.19.137:50070

    • Overview界面查看整体情况

    • Datanodes界面查看datanode的情况

2.2 HDFS shell操作

  • 调用文件系统(FS)Shell命令应使用 bin/hadoop fs 的形式

    • ls

      使用方法：hadoop fs -ls

      如果是文件，则按照如下格式返回文件信息：
      文件名 <副本数> 文件大小 修改日期 修改时间 权限 用户ID 组ID
      如果是目录，则返回它直接子文件的一个列表，就像在Unix中一样。目录返回列表的信息如下：
      目录名

      <dir> 修改日期 修改时间 权限 用户ID 组ID
      示例：
      hadoop fs -ls /user/hadoop/file1 /user/hadoop/file2 hdfs://host:port/user/hadoop/dir1 /nonexistentfile
      返回值：
      成功返回0，失败返回-1。 </dir>

    • text

      使用方法：hadoop fs -text

      将源文件输出为文本格式。允许的格式是zip和TextRecordInputStream。

    • mv

      使用方法：hadoop fs -mv URI [URI …]

      将文件从源路径移动到目标路径。这个命令允许有多个源路径，此时目标路径必须是一个目录。不允许在不同的文件系统间移动文件。
      示例：

      • hadoop fs -mv /user/hadoop/file1 /user/hadoop/file2
      • hadoop fs -mv hdfs://host:port/file1 hdfs://host:port/file2 hdfs://host:port/file3 hdfs://host:port/dir1

      返回值：

      成功返回0，失败返回-1。

    • put

      使用方法：hadoop fs -put …

      从本地文件系统中复制单个或多个源路径到目标文件系统。也支持从标准输入中读取输入写入目标文件系统。

      • hadoop fs -put localfile /user/hadoop/hadoopfile
      • hadoop fs -put localfile1 localfile2 /user/hadoop/hadoopdir
      • hadoop fs -put localfile hdfs://host:port/hadoop/hadoopfile
      • hadoop fs -put - hdfs://host:port/hadoop/hadoopfile
        从标准输入中读取输入。

      返回值：

      成功返回0，失败返回-1。

    • rm

      使用方法：hadoop fs -rm URI [URI …]

      删除指定的文件。只删除非空目录和文件。请参考rmr命令了解递归删除。
      示例：

      • hadoop fs -rm hdfs://host:port/file /user/hadoop/emptydir

      返回值：

      成功返回0，失败返回-1。

  • http://hadoop.apache.org/docs/r1.0.4/cn/hdfs_shell.html

2.4.1 HDFS shell操作练习

  • 在centos 中创建 test.txt

    touch test.txt

  • 在centos中为test.txt 添加文本内容

    vi test.txt

  • 在HDFS中创建 hadoop001/test 文件夹

    hadoop fs -mkdir -p /hadoop001/test

  • 把text.txt文件上传到HDFS中

    hadoop fs -put test.txt /hadoop001/test/

  • 查看hdfs中 hadoop001/test/test.txt 文件内容

    hadoop fs -cat /hadoop001/test/test.txt

  • 将hdfs中 hadoop001/test/test.txt文件下载到centos

    hadoop fs -get /hadoop001/test/test.txt test.txt

  • 删除HDFS中 hadoop001/test/

    hadoop fs -rm -r /hadoop001

2.3 HDFS设计思路

  • 分布式文件系统的设计思路：

  • HDFS的设计目标

    • 适合运行在通用硬件(commodity hardware)上的分布式文件系统
    • 高度容错性的系统，适合部署在廉价的机器上
    • HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用
    • 容易扩展，为用户提供性能不错的文件存储服务

2.4 HDFS架构

  • 1个NameNode/NN(Master) 带 DataNode/DN(Slaves) (Master-Slave结构)
  • 1个文件会被拆分成多个Block
  • NameNode(NN)
    • 负责客户端请求的响应
    • 负责元数据（文件的名称、副本系数、Block存放的DN）的管理
      • 元数据 MetaData 描述数据的数据
    • 监控DataNode健康状况 10分钟没有收到DataNode报告认为Datanode死掉了
  • DataNode(DN)
    • 存储用户的文件对应的数据块(Block)
    • 要定期向NN发送心跳信息，汇报本身及其所有的block信息，健康状况
  • 分布式集群NameNode和DataNode部署在不同机器上


  • HDFS优缺点
    • 优点
      • 数据冗余 硬件容错
      • 适合存储大文件
      • 处理流式数据
      • 可构建在廉价机器上
    • 缺点
      • 低延迟的数据访问
      • 小文件存储

2.5 HDFS环境搭建

  • 下载jdk 和 hadoop 放到 ~/software目录下 然后解压到 ~/app目录下

    tar -zxvf 压缩包名字 -C ~/app/

  • 配置环境变量

    vi ~/.bash_profile
export JAVA_HOME=/root/bigdata/jdk
export PATH=$JAVA_HOME/bin:$PATH
export HADOOP_HOME=/root/bigdata/hadoop
export PATH=$HADOOP_HOME/bin:$PATH

#保存退出后
source ~/.bash_profile

  • 进入到解压后的hadoop目录 修改配置文件

    • 配置文件作用
      • core-site.xml 指定hdfs的访问方式
      • hdfs-site.xml 指定namenode 和 datanode 的数据存储位置
      • mapred-site.xml 配置mapreduce
      • yarn-site.xml 配置yarn
    • 修改hadoop-env.sh 
    cd etc/hadoop
vi hadoop-env.sh
#找到下面内容添加java home
export_JAVA_HOME=/root/bigdata/jdk
    • 修改 core-site.xml 在 节点中添加 
    <configuration>
        <property>
                <name>hadoop.tmp.dir</name>
                <value>file:/root/bigdata/hadoop/tmp</value>
        </property>
        <property>
                <name>fs.defaultFS</name>
                <value>hdfs://hadoop-master:9000</value>
        </property>
</configuration>
    • 修改hdfs-site.xml 在 configuration节点中添加 
    <property>
    <name>dfs.namenode.name.dir</name>
    <value>/root/bigdata/hadoop/hdfs/name</value>
</property>
<property>
    <name>dfs.datanode.data.dir</name>
    <value>/root/bigdata/hadoop/hdfs/data</value>
</property>
<property>
    <name>dfs.replication</name>
    <value>1</value>
</property>
    • 修改 mapred-site.xml
    • 默认没有这个 从模板文件复制 
    cp mapred-site.xml.template mapred-site.xml

    ​ 在mapred-site.xml 的configuration 节点中添加

    <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
</property>
    • 修改yarn-site.xml configuration 节点中添加 
    <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>

  • 来到hadoop的bin目录

    ./hadoop namenode -format (这个命令只运行一次)

  • 启动hdfs 进入到 sbin

    ./start-dfs.sh

  • 启动启动yarn 在sbin中