7.1集群间数据拷贝
- scp实现两个远程主机之间的文件复制
scp -r hello.txt root@hadoop103:/root/hello.txt // 推 push
scp -r root@hadoop103:/root/hello.txt hello.txt // 拉 pull
scp -r root@hadoop103:/root/hello.txt root@hadoop104:/root //是通过本地主机中转实现两个远程主机的文件复制；如果在两个远程主机之间ssh没有配置的情况下可以使用该方式。
- 采用distcp命令实现两个Hadoop集群之间的递归数据复制
[root@hdp101 hadoop-2.7.7]# bin/hadoop distcp hdfs://haoop102:9000/root/hello.txt hdfs://hadoop103:9000/root/hello.txt
7.2 小文件存档
1、HDFS存储小文件弊端
每个文件均按块存储，每个块的元数据存储在NameNode的内存中，因此HDFS存储小文件会非常低效。因为大量的小文件会耗尽NameNode中的大部分内存。但注意，存储小文件所需要的磁盘容量和数据块的大小无关。例如，一个1MB的文件设置为128MB的块存储，实际使用的是1MB的磁盘空间，而不是128MB。
2、解决存储小文件办法之一
HDFS存档文件或HAR文件，是一个更高效的文件存档工具，它将文件存入HDFS块，在减少NameNode内存使用的同时，允许对文件进行透明的访问。实际上，HDFS存档文件对内还是一个一个独立文件，对NameNode而言却是一个整体，减少NameNode的内存。
3、基本命令
# 归档文件
hadoop archive -archiveName input.har -p input路径 output路径
# 查看归档
hadoop fs -lsr
# 解归档文件
hadoop fs -cp har:///user/test/input/input.har/* /user/test
4、案例实操
（1）需要启动YARN进程
[root@hdp101 hadoop-2.7.7]# start-yarn.sh
（2）归档文件
把/root/input目录里面的所有文件归档成一个叫input.har的归档文件，并把归档后文件存储到/root/output路径下。
[root@hdp101 hadoop-2.7.7]# bin/hadoop archive -archiveName input.har –p /root/input /root/output
（3）查看归档
[root@hdp101 hadoop-2.7.7]# hadoop fs -lsr /root/output/input.har
[root@hdp101 hadoop-2.7.7]# hadoop fs -lsr har:///root/output/input.har
（4）解归档文件
[root@hdp101 hadoop-2.7.7]# hadoop fs -cp har:/// user/atguigu/output/input.har/* /root
7.3回收站
开启回收站功能，可以将删除的文件在不超时的情况下，恢复原数据，起到防止误删除、备份等作用。
一、回收站参数设置及工作机制
1、默认值fs.trash.interval=0，0表示禁用回收站；其他值表示设置文件的存货时间。
2、默认值fs.trash.checkpoint.interval=0，检查回收站的间隔时间。如果该值为0，则该值设置和fs.trash.interval的参数值相等
3、要求fs.trash.checkpoint.interval ≤fs.trash.interval
二、回收站机制
三、实际操作
1、启用回收站
修改core-site.xml，配置垃圾回收时间为1分钟。
<property>
<name>fs.trash.interval</name>
<value>1</value>
</property>
2、查看回收站
回收站在集群中的路径：/root/.Trash/….
3、修改访问垃圾回收站用户名称
进入垃圾回收站用户名称，默认是dr.who，修改为atguigu用户
4、通过程序删除的文件不会经过回收站，需要调用moveToTrash()才进入回收站
Trash trash = New Trash(conf);
trash.moveToTrash(path);
5、恢复回收站数据
[root@hdp101 hadoop-2.7.7]# hadoop fs -mv
/root/.Trash/Current/root/input /root/input
6、清空回收站
[root@hdp101 hadoop-2.7.7]# hadoop fs -expunge
7.4快照管理
快照相当于对目录做一个备份，并不会立即复制所有文件，而是记录文件变化。
| 命令 | 描述 |
|---|---|
| hdfs dfsadmin -allowSnapshot 路径 | 开启指定目录的快照功能 |
| hdfs dfsadmin -disallowSnapshot 路径 | 禁用指定目录的快照功能（默认禁用） |
| hdfs dfs -createSnapshot 路径 | 对目录创建快照 |
| hdfs dfs -createSnapshot 路径 名称 | 指定名称创建快照 |
| hdfs dfs -renameSnapshot 路径 旧名称 新名称 | 重命名快照 |
| hdfs dfs lsSnapshotDir | 列出当前用户所有快照目录 |
| hdfs snapshotDiff 路径1 路径2 | 比较两个快照目录的不同之处 |
| hdfs dfs -deleteSnapshot
| 删除快照 |
- 案例实操
（1）开启/禁用指定目录的快照功能
[root@hdp101 hadoop-2.7.7]# hdfs dfsadmin -allowSnapshot /root/input
[root@hdp101 hadoop-2.7.7]# hdfs dfsadmin -disallowSnapshot /root/input
（2）对目录创建快照
[root@hdp101 hadoop-2.7.7]# hdfs dfs -createSnapshot /root/input
通过web访问hdfs://hdp101:50070/root/input/.snapshot/s……// 快照和源文件使用相同数据
[root@hdp101 hadoop-2.7.7]# hdfs dfs -lsr /root/input/.snapshot/
（3）指定名称创建快照
[root@hdp101 hadoop-2.7.7]# hdfs dfs -createSnapshot /root/input miao170508
（4）重命名快照
[root@hdp101 hadoop-2.7.7]# hdfs dfs -renameSnapshot /root/input/ miao170508 atguigu170508
（5）列出当前用户所有可快照目录
[root@hdp101 hadoop-2.7.7]# hdfs lsSnapshottableDir
（6）比较两个快照目录的不同之处
[root@hdp101 hadoop-2.7.7]# hdfs snapshotDiff
/root/input/ . .snapshot/atguigu170508
（7）恢复快照
[root@hdp101 hadoop-2.7.7]# hdfs dfs -cp /root/input/.snapshot/s20170708-134303.027 /user
