Hadoop基础学习---3、HDFS概述、HDFS的Shell操作、HDFS的API操作

1、HDFS概述

1.1 HDFS产出背景及定义

1、HDFS产生背景
随着数据量越来越大，在一个操作系统存不住所有的数据，那么就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只是分布式文件管理系统中的一种。

2、HDFS定义
HDFS（Hadoop Distributed File System），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，集群中的服务器有各自的角色。
HDFS的使用场景：适合一次写入，多次读出的场景。一个文件经过创建、写入和关闭之后就不需要改变。

1.2 HDFS 优缺点

1、HDFS优点
（1）高容错
数据自动保存多个副本。它通过增加副本的形式提高容错性。
某一个副本丢失以后，它可以自动恢复。
（2）适合处理大数据
数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据；
文件规模：能够处理百万规模以上的文件数量，数量相当之大。
（3）可构建在廉价机器上，通过多副本机制，提高可靠性。

2、HDFS缺点
（1）不适合低延时数据范围，比如毫秒级的存储数据，是做不到的。
（2）无法高效的对大量小文件进行存储。
存储大量小文件的话，它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的，因为NameNode的内存总是有限的；
小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标。
（3）不支持并发写入、文件随机修改
一个文件只能有一个写，不允许多个线程同时写。
仅支持数据append(追加)，不支持文件的随机修改。

1.3 HDFS组成架构

在这里插入图片描述
1、NameNode（nn）：就是Master，它是一个主管、管理者。
（1）管理HDFS的名称空间
（2）配置副本策略
（3）管理数据块（Block）映射信息
（4）处理客户端读写请求。
2、DateNode：就是workes（slave）。NameNode下达命令，DataNode执行实际的操作。
（1）存储实际的数据块
（2）执行数据块的读/写操作
3、Client：客户端
（1）文件切分。文件上传HDFS的时候，Client将文件切分成一个一个的Block，然后进行上传；
（2）与NameNode交互，获取文件的位置信息；
（3）与DataNode交互，读取或者写入数据。
（4）Client提供一些命令来管理HDFS，比如NameNode格式化
（5）Client可以通过一些命令来访问HDFS，比如对HDFS增删改查操作。
4、Secondary NameNode：并非NameNode的热备。当NameNode挂掉的时候，它并不是能马上替换NameNode并提供服务。
（1）辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode。
（2）在紧急情况下，可辅助恢复NameNode。

1.4 HDFS文件块大小

HDFS中的文件在物理上是分块存储（Block），块的大小可以通过配置参数（dfs blocksize）来规定，默认大小在hadoop2.x和3.x版本中是128M，1.x是64M。

在这里插入图片描述
为什么块的大小不能设置太小也不能太大？
（1）HDFS的块设置太小，会增加寻址时间，程序一直在找块的开始位置；
（2）如果块设置的太大，从磁盘传输速率的时间会明显大于定位这个块开始位置所需的时间。导致程序在处理这块数据时，会非常慢。

总结：HDFS块的大小设置主要取决于磁盘传输速率。

2、HDFS的Shell操作

2.1 基本语法

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

2.2 命令大全

在这里插入图片描述

2.3 常用命令实操

2.3.1 准备工作

（1）启动hadoop集群

[zhm@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
[zhm@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

（2）- help：输出这个命令参数

hadoop fs -help rm

（3）创建/zhm文件夹

hadoop fs -mkdir /zhm

2.3.2 上传

1、-moveFromLocal：从本地剪切粘贴到HDFS

hadoop fs -moveFromLocal  文件路径  目的路径

2、-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

hadoop fs -copyFromLocal 文件路径 目的路径

3、-put：等同于copyFromLocal，生产环境更习惯用put

hadoop fs -put 文件路径 目的路径

4、-appendToFile：追加一个文件到已经存在的文件末尾

hadoop fs -appendToFile 文件路径 目的路径

2.3.3 下载

1、-copyToLocal：从 HDFS 拷贝到本地

hadoop fs -copyToLocal  文件路径 目的路径

2、-get：等同于 copyToLocal，生产环境更习惯用 get

hadoop fs -get  文件路径 目的路径

2.4 HDFS直接操作

1、-ls：显示目录信息

 hadoop fs -ls 目录

2、-cat：显示文件内容

 hadoop fs -cat 文件路径

3、-chgrp、-chmod、-chown：Linux 文件系统中的用法一样，修改文件所属权限
4、-mkdir：创建路径

 hadoop fs -mkdir 目录路径

5、-cp：从 HDFS 的一个路径拷贝到 HDFS 的另一个路径

hadoop fs -cp 文件路径 目的目录

6、-mv：在 HDFS 目录中移动文件

hadoop fs -mv 文件路径 目的路径

7、-tail：显示一个文件的末尾 1kb 的数据

hadoop fs -tail 文件路径

8、-rm：删除文件或文件夹

hadoop fs -rm 文件路径

9、-rm -r：递归删除目录及目录里面内容

hadoop fs -rm -r 文件路径

10、-du 统计文件夹的大小信息

hadoop fs -du 文件路径

11、-setrep：设置 HDFS 中文件的副本数量

hadoop fs -setrep 数量 文件路径

这里设置的副本数只是记录在NameNode的元数据中，是否真的有会有这么多的副本，还得看DataNode的数量、因为目前只有三台DataNode，最多也就是3个副本，只有节点数增加到相应的数量时，副本数才会达到相应的数量。

3、HDFS的API操作

3.1 客户端环境准备

1、找到资料包路径下的Windows依赖文件夹，拷贝hadoo-3.1.0到非中文路径（比如 d:\）。
链接：https://pan.baidu.com/s/1wamz5h6P0kyNxD_J6vwi8w
提取码：zhm6
–来自百度网盘超级会员V1的分享
2、配置HADOOP_HOME环境变量
在这里插入图片描述
3、配置Path环境变量

验证Hadoop环境变量是否正常，双击winutils.exe。

4、在IDEA中创建一个Maven工程，并导入相应的依赖坐标+日志添加

<dependencies>
 <dependency>
 <groupId>org.apache.hadoop</groupId>
 <artifactId>hadoop-client</artifactId>
 <version>3.1.3</version>
 </dependency>
 <dependency>
 <groupId>junit</groupId>
 <artifactId>junit</artifactId>
 <version>4.12</version>
 </dependency>
 <dependency>
 <groupId>org.slf4j</groupId>
 <artifactId>slf4j-log4j12</artifactId>
 <version>1.7.30</version>
 </dependency>
</dependencies>

在项目的 src/main/resources 目录下，新建一个文件，命名为“log4j.properties”，在文件中填入

log4j.rootLogger=INFO, stdout 
log4j.appender.stdout=org.apache.log4j.ConsoleAppender 
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout 
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n 
log4j.appender.logfile=org.apache.log4j.FileAppender 
log4j.appender.logfile.File=target/spring.log 
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout 
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

5、创建包名：com.zhm.hdfs
6、在hdfs包下创建HdfsClient类

public class HdfsClient {
 @Test
 public void testMkdirs() throws IOException, URISyntaxException, 
InterruptedException {
 // 1 获取文件系统
 Configuration configuration = new Configuration();
 // FileSystem fs = FileSystem.get(new 
URI("hdfs://hadoop102:8020"), configuration);
 FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration,"zhm");
 // 2 创建目录
 fs.mkdirs(new Path("/xiyou/huaguoshan/"));
 // 3 关闭资源
 fs.close();
 }
}

7、执行程序

3.2 HDFS的API案例实操

3.2.1 HDFS文件上传（测试参数优先级）

1、编写源码

@Test
public void testCopyFromLocalFile() throws IOException, 
InterruptedException, URISyntaxException {
 // 1 获取文件系统
 Configuration configuration = new Configuration();
 configuration.set("dfs.replication", "2");
 FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "zhm");
 // 2 上传文件
 fs.copyFromLocalFile(new Path("d:/sunwukong.txt"), new 
Path("/xiyou/huaguoshan"));
 // 3 关闭资源
 fs.close();
｝

2、将hdfs-site.xml拷贝到项目的resource资源目录下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>

3、参数优先级
参数优先级排序：（1）客户端代码中设置的值>（2）Classpath下的用户自定义配置文件>（3）然后就是服务器的自定义配置（xxx-site.xml）>（4）服务器的默认配置（xxx-default.xml）

3.2.2 HDFS文件下载

@Test
public void testCopyToLocalFile() throws IOException, 
InterruptedException, URISyntaxException{
 // 1 获取文件系统
 Configuration configuration = new Configuration();
 FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "zhm");
 
 // 2 执行下载操作
 // boolean delSrc 指是否将原文件删除
 // Path src 指要下载的文件路径
 // Path dst 指将文件下载到的路径
 // boolean useRawLocalFileSystem 是否开启文件校验
 fs.copyToLocalFile(false, new 
Path("/xiyou/huaguoshan/sunwukong.txt"), new Path("d:/sunwukong2.txt"), 
true);
 
 // 3 关闭资源
 fs.close();
}

3.2.3 HDFS文件更名和移动

@Test
public void testRename() throws IOException, InterruptedException, 
URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "zhm"); 
// 2 修改文件名称
fs.rename(new Path("/xiyou/huaguoshan/sunwukong.txt"), new 
Path("/xiyou/huaguoshan/meihouwang.txt"));
// 3 关闭资源
fs.close();
}

3.2.4 HDFS删除文件和目录

@Test
public void testDelete() throws IOException, InterruptedException, 
URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "zhm");
// 2 执行删除
fs.delete(new Path("/xiyou"), true);
// 3 关闭资源
fs.close();
}

3.2.5 HDFS文件详情查看

查看文件名称、权限、长度、块信息

@Test
public void testListFiles() throws IOException, InterruptedException, 
URISyntaxException {
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "zhm");
// 2 获取文件详情
RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), 
true);
while (listFiles.hasNext()) {
LocatedFileStatus fileStatus = listFiles.next();
System.out.println("========" + fileStatus.getPath() + "=========");
System.out.println(fileStatus.getPermission());
System.out.println(fileStatus.getOwner());
System.out.println(fileStatus.getGroup());
System.out.println(fileStatus.getLen());
System.out.println(fileStatus.getModificationTime());
System.out.println(fileStatus.getReplication());
System.out.println(fileStatus.getBlockSize());
System.out.println(fileStatus.getPath().getName());
// 获取块信息
BlockLocation[] blockLocations = fileStatus.getBlockLocations();
System.out.println(Arrays.toString(blockLocations));
}
// 3 关闭资源
fs.close();
}

3.2.5 HDFS文件详情查看

@Test
public void testListStatus() throws IOException, InterruptedException, 
URISyntaxException{
 // 1 获取文件配置信息
 Configuration configuration = new Configuration();
 FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), 
configuration, "zhm");
 // 2 判断是文件还是文件夹
 FileStatus[] listStatus = fs.listStatus(new Path("/"));
 for (FileStatus fileStatus : listStatus) {
 // 如果是文件
 if (fileStatus.isFile()) {
 System.out.println("f:"+fileStatus.getPath().getName());
 }else {
 System.out.println("d:"+fileStatus.getPath().getName());
 }
 }
 // 3 关闭资源
 fs.close();
}