HDFS详细介绍
HDFS是什么
HDFS是Hadoop三大组件(HDFS、MapReduce、YARN)之一 全称是：Hadoop Distributed File System（Hadoop分布式文件系统）；是Hadoop技术栈内提供的分布式数据存储解决方案 可以在多台服务器上构建存储集群，存储海量的数据。
了解为什么海量数据需要使用分布式存储技术
答：1、太大，单台服务器无法承担。
2、靠数量取胜 多台服务器组合，才能Hold住。
3、分布式不仅仅是解决了能存的问题， 多台服务器协同工作 带来的也是性能的横向扩展。（网络传输、磁盘读写、CPU、内存等各方面的综合提升）——分布式的性能提升。
HDFS的基础架构
一个典型的HDFS集群，就是由1个DataNode加若干（至少一个）DataNode组成。
HDFS各个组件介绍
NameNode：
HDFS系统的主角色，是一个独立的进程 负责管理HDFS整个文件系统 负责管理DataNode。
SecondaryNameNode：
NameNode的辅助，是一个独立进程 主要帮助NameNode完成元数据整理工作（打杂）。
DataNode：
HDFS系统的从角色，是一个独立进程 主要负责数据的存储，即存入数据和取出数据。
HDFS集群环境部署
注意：请完成集群前置准备工作：
配置多台虚拟机：http://t.csdnimg.cn/hGqMz
http://t.csdnimg.cn/hGqMz
ip固定http://t.csdnimg.cn/4IqRc
主机映射:http://t.csdnimg.cn/1C15x
ssh免密登录（以root用户为例，其他用户创建后一样）：http://t.csdnimg.cn/dEITy
Jdk:http://t.csdnimg.cn/zKRC7
关闭防火墙以及SELinux关闭:http://t.csdnimg.cn/K19d7
为了系统的安全和稳定，建议使用自建的用户来管理大数据相关的软件，这里使用hadoop用户为HDFS最高权限用户。
下载
官方网址：https://hadoop.apache.org，课程使用当前最新的发行版：3.3.4版。
上传 & 解压(我的Hadoop版本为3.3.4)
注意标红位置，改写为自己想放的路径，我的软件通常都放在/export/server！！！！！！！！！
1. 上传Hadoop安装包到node1节点中。
自己选择弄
2. 解压缩安装包到/export/server/中
tar -zxvf hadoop-3.3.4.tar.gz -C /export/server
3. 构建软链接
ln -s /export/server/hadoop-3.3.4 hadoop
4. 进入hadoop安装包内
cd hadoop
5. 各个文件夹含义如下
bin，存放Hadoop的各类程序（命令）
etc，存放Hadoop的配置文件 include，C语言的一些头文件
ib，存放Linux系统的动态链接库（.so文件）
libexec，存放配置Hadoop系统的脚本文件（.sh和.cmd）
licenses-binary，存放许可证文件 sbin，管理员程序（super bin）
share，存放二进制源码（Java jar包）
修改配置文件，应用自定义设置
1. 配置HDFS集群，我们主要涉及到如下文件的修改：
workers： 配置从节点（DataNode）有哪些
hadoop-env.sh： 配置Hadoop的相关环境变量
core-site.xml： Hadoop核心配置文件
hdfs-site.xml： HDFS核心配置文件
这些文件均存在与$HADOOP_HOME/etc/hadoop文件夹中。
2. 配置workers文件
进入配置文件目录
cd etc/hadoop
编辑workers文件
vim workers
填入如下内容
node1
node2
node3
表明集群记录了三个从节点（DataNode）
3. 配置hadoop-env.sh文件
export JAVA_HOME=/export/server/jdk
export HADOOP_HOME=/export/server/hadoop
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export HADOOP_LOG_DIR=$HADOOP_HOME/logs
变量解释：
JAVA_HOME，指明JDK环境的位置在哪
HADOOP_HOME，指明Hadoop安装位置
HADOOP_CONF_DIR，指明Hadoop配置文件目录位置
HADOOP_LOG_DIR，指明Hadoop运行日志目录位置
通过记录这些环境变量， 来指明上述运行时的重要信息
4.配置core-site.xml文件
在文件内部填入如下内容
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://node1:8020</value>
</property>
<property>
<name>io.file.buffer.size</name>
<value>131072</value>
</property>
</configuration>
name：fs.defaultFS
含义：HDFS文件系统的网络通讯路径
value：hdfs://node1:8020
协议为hdfs://
namenode为node1
namenode通讯端口为8020
name：io.file.buffer.size
含义：io操作文件缓冲区大小
value：131072 bit
hdfs://node1:8020为整个HDFS内部的通讯地址，应用协议为hdfs://（Hadoop内置协议） 表明DataNode将和node1的8020端口通讯，node1是NameNode所在机器 此配置固定了node1必须启动NameNode进程
5. 配置hdfs-site.xml文件
在文件内部填入如下内容
<configuration>
<property>
<name>dfs.datanode.data.dir.perm</name>
<value>700</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>/data/nn</value>
</property>
<property>
<name>dfs.namenode.hosts</name>
<value>node1,node2,node3</value>
</property>
<property>
<name>dfs.blocksize</name>
<value>268435456</value>
</property>
<property>
<name>dfs.namenode.handler.count</name>
<value>100</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/data/dn</value>
</property>
</configuration>
解释
根据
namenode数据存放node1的/data/nn
datanode数据存放node1、node2、node3的/data/dn
所以应该 在node1节点：
mkdir -p /data/nn
mkdir /data/dn
在node2和node3节点：
mkdir -p /data/dn
从node1将hadoop安装文件夹远程复制到node2、node3
分发
node1执行如下命令
cd /export/server
scp -r hadoop-3.3.4 node2:`pwd`/
scp -r hadoop-3.3.4 node3:`pwd`/
在node2执行，为hadoop配置软链接
ln -s /export/server/hadoop-3.3.4 /export/server/hadoop
在node3执行，为hadoop配置软链接
ln -s /export/server/hadoop-3.3.4 /export/server/hadoop
配置系统的环境变量
所有机器
vim /etc/profile
export HADOOP_HOME=/export/server/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
授权为hadoop用户
hadoop部署的准备工作基本完成
为了确保安全，hadoop系统不以root用户启动，我们以普通用户hadoop来启动整个Hadoop服务 所以，现在需要对文件权限进行授权。
注意：请确保已经提前创建好了hadoop用户，并配置好了hadoop用户之间的免密登录！！！！
以root身份，在node1、node2、node3（所有机器）三台服务器上均执行如下命令
chown -R hadoop:hadoop /data
chown -R hadoop:hadoop /export
格式化整个文件系统
格式化namenode
确保以hadoop用户执行（否则会出问题，能解决，但请自行寻找解决办法）
su - hadoop
格式化namenode
hadoop namenode -format
启动
# 一键启动hdfs集群
start-dfs.sh
# 一键关闭hdfs集群
stop-dfs.sh
# 如果遇到命令未找到的错误，表明环境变量未配置好，可以以绝对路径执行 /export/server/hadoop/sbin/start-dfs.sh
/export/server/hadoop/sbin/stop-dfs.sh
查看HDFS WEBUI
启动完成后，可以在浏览器打开： http://node1:9870，即可查看到hdfs文件系统的管理网页。
注意：没有配置windows系统的主机映射，将node1改为主机node1的ip！！！！！！！！
ip固定http://t.csdnimg.cn/4IqRchttp://t.csdnimg.cn/4IqRc
在Windows挂载HDFS文件系统
NFShttp://t.csdnimg.cn/hq3CU
