问题一: namenode -format重复初始化

出现问题的原因是重复初始化时会重新生成集群ID，而dn还是原先的集群ID，两者不匹配时无法启动相应的dn进程。
怎么查找问题原因：在logs目录下找到对应节点的.log文件，使用tail -200 文件名来查看日志信息。
解决办法1：修改data/name/路径下的version文件中的集群ID为老的集群ID
解决办法2：删除hadoop文件中的data文件和logs文件。

问题二：免密登录配置出错，permission denied没有权限；拒绝访问

重新使用加密算法生成公钥私钥，并将公钥发送给相应的主机。

ssh-keygen -t rsa
ssh-copy-id hadoop10xxx

常用的端口号

	rpc内部通信	http外部web端口
namenode	8020	50070 / 9870
mapreduce	8088	8088
历史服务器	19888	19888

集群的时间同步

有网络的情况
- systemctl start ntpd:开启网络时间同步
- systemctl status ntpd : 查看开启状态
没有外部网络的情况
- sudo vim /etc/ntp.conf：设置102作为基准服务器
- ntpdate hadoop102: 向102发送请求同步时间
- sudo crontab -e: 设置定时任务

HDFS文件系统

概述

全称为Hadoop distributed file system, 是一个分布式文件系统，通过目录树来定位文件。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能改变。

优点：
- 高容错性：通过增加副本的形式，提高容错性；副本丢失后会自动补全
- 适合处理大数据：数据规模达到PB级别，文件数量达到9亿个
- 可以构建在廉价机器上
缺点：
- 不适合低延时数据访问，比如毫秒级的存储数据。
- 无法高效对大量小文件进行存储，小文件存储的寻址时间超过了读取时间
- 不支持并发写入，文件随机修改。仅支持数据的追加，不支持随机修改。

组成架构

在这里插入图片描述

NameNode:主管
- 管理HDFS的名称空间
- 配置副本策略
- 管理数据块映射信息
- 处理客户端读写请求
DataNode: 工人
Client：客户端
- 文件切分，上传之前就切分。
  - 如果上传后切分，有可能存不下
  - 上传后切分，有三个备份，需要多切几次。
- 管理HDFS，如namenode格式化
SecondaryNameNode：辅助NameNode，并非热备。

文件块大小

由磁盘的传输速率决定，由于目前磁盘的传输速率为100M/s，按照程序员的进制进行整数转换为2进制则为128。

根据专家的结论：寻址时间为传输时间的1%时，是最佳状态。

文件块太小会增加寻址时间
文件块太大，磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。大于1%这个最佳状态。

hdfs文件操作系统的常用命令

hadoop fs 等价于 hdfs dfs
上传文件到hdfs文件系统
- hadoop fs -copyFromLocal caocao.txt /sanguo : 上传
- hadoop fs -moveFromLocal liubei.txt /sanguo：上传后删除
- hadoop fs -put sunquan.txt /sanguo：上传
- hadop fs appendToFIle sunquan.txt /sanguo/liubei.txt:追加文件内容
从hdfs文件系统下载文件到本地
- hadoop fs -copyToLocal /sanguo/liubei.txt ./:拷贝下载
- hadoop fs -get /README.txt ./: 拷贝下载
- hadoop fs moveToLocal: 剪切到本地，暂时没有实现
hadoop fs -ls /sanguo: 查询文件列表
hadoop fs -cat /sanguo/caocao.txt: 查看文件内容
hadoop fs -chmod 77 /sanguo/caocao.txt: 修改文件权限
hadoop fs -du /sanguo: 查询文件夹下的文件的大小
hadoop fs -setrep 10 /sanguo/caocao.txt:设置副本数量