Hdfs详解

一、Hdfs简介

hdfs是一个文件系统，用于存储文件，通过统一的命名空间——目录树来定位文件,并且是分布式的，由很多服务器联合起来实现其功能，集群中的服务器各自负责角色；

　　重要特征：

　 1、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版本中是128M，老版本中是64M

　 2、HDFS文件系统会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data

　 3、目录结构及文件分块信息(元数据)的管理由namenode节点承担——namenode是HDFS集群主节点，负责维护整个hdfs文件系统的目录树，以及每一个路径（文件）所对应的block块信息（block的id，及所在的datanode服务器）

4、文件的各个block的存储管理由datanode节点承担---- datanode是HDFS集群从节点，每一个block都可以在多个datanode上存储多个副本（副本数量也可以通过参数设置dfs.replication）

5、HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改

二、Hdfs的shell(命令行客户端)操作

Hdfs提供shell命令行客户端，使用方法如下：

常用命令参数介绍：

命令	功能	示例	备注
-help	输出这个命令参数手册
-ls	显示目录信息	hadoop fs -ls hdfs://hadoop-server01:9000/	这些参数中，所有的hdfs路径都可以简写 -->hadoop fs -ls / 等同于上一条命令的效果
-mkdir	在hdfs上创建目录	hadoop fs -mkdir -p /aaa/bbb/cc/dd
-moveFromLocal	从本地剪切粘贴到hdfs	hadoop fs - moveFromLocal /home/hadoop/a.txt /aaa/bbb/cc/dd
-moveToLocal	从hdfs剪切粘贴到本地	hadoop fs - moveToLocal /aaa/bbb/cc/dd /home/hadoop/a.txt
--appendToFile	追加一个文件到已经存在的文件末尾	hadoop fs -appendToFile ./hello.txt hdfs://hadoop-server01:9000/hello.txt	可以简写为： Hadoop fs -appendToFile ./hello.txt /hello.txt
-cat	显示文件内容	hadoop fs -cat /hello.txt
-tail	显示一个文件的末尾	hadoop fs -tail /weblog/access_log.1
-text	以字符形式打印一个文件的内容	hadoop fs -text /weblog/access_log.1
-chgrp	linux文件系统中的用法一样，对文件所属权限	hadoop fs -chmod 666 /hello.txt hadoop fs -chown someuser:somegrp /hello.txt
-chmod
-chown
-copyFromLocal	从本地文件系统中拷贝文件到hdfs路径去	hadoop fs -copyFromLocal ./jdk.tar.gz /aaa/
-copyToLocal	从hdfs拷贝到本地	hadoop fs -copyToLocal /aaa/jdk.tar.gz
-cp	从hdfs的一个路径拷贝hdfs的另一个路径	hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2
-mv	在hdfs目录中移动文件	hadoop fs -mv /aaa/jdk.tar.gz /
-get	等同于copyToLocal，就是从hdfs下载文件到本地	hadoop fs -get /aaa/jdk.tar.gz
-getmerge	合并下载多个文件	比如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,... hadoop fs -getmerge /aaa/log.* ./log.sum
-put	等同于copyFromLocal	hadoop fs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2
-rm	删除文件或文件夹	hadoop fs -rm -r /aaa/bbb/
-rmdir	删除空目录	hadoop fs -rmdir /aaa/bbb/ccc
-df	统计文件系统的可用空间信息	hadoop fs -df -h /
-du	统计文件夹的大小信息	hadoop fs -du -s -h /aaa/*
-count	统计一个指定目录下的文件节点数量	hadoop fs -count /aaa/
-setrep	设置hdfs中文件的副本数量	hadoop fs -setrep 3 /aaa/jdk.tar.gz

三、Hdfs的工作机制

1、概述

（1）HDFS集群分为两大角色：NameNode、DataNode

（2）NameNode负责管理整个文件系统的元数据

（3）DataNode 负责管理用户的文件数据块

（4）文件会按照固定的大小（blocksize）切成若干块后分布式存储在若干台datanode上

（5）每一个文件块可以有多个副本，并存放在不同的datanode上

（6）Datanode会定期向Namenode汇报自身所保存的文件block信息，而namenode则会负责保持文件的副本数量

（7）HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向namenode申请来进行

2、HDFS写数据流程

（1）客户端要向HDFS写数据，首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode，然后，客户端按顺序将文件逐个block传递给相应datanode，并由接收到block的datanode负责向其他datanode复制block的副本

（2）详细步骤解析

1.根namenode通信请求上传文件，namenode检查目标文件是否已存在，父目录是否存在

2.namenode返回是否可以上传

3.client请求第一个 block该传输到哪些datanode服务器上

4.namenode返回3个datanode服务器ABC

5.client请求3台dn中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用B，然后B调用C，将真个pipeline建立完成，逐级返回客户端

6.client开始往A上传第一个block（先从磁盘读取数据放到一个本地内存缓存），以packet为单位，A收到一个packet就会传给B，B传给C；A每传一个packet会放入一个应答队列等待应答

7.当一个block传输完成之后，client再次请求namenode上传第二个block的服务器。

3、HDFS读数据流程

(1)客户端将要读取的文件路径发送给namenode，namenode获取文件的元信息（主要是block的存放位置信息）返回给客户端，客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件

　(2)详细步骤解析

　1.跟namenode通信查询元数据，找到文件块所在的datanode服务器

　2.挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流

　3.datanode开始发送数据（从磁盘里面读取数据放入流，以packet为单位来做校验）

　4.客户端以packet为单位接收，现在本地缓存，然后写入目标文件

四、Namenode工作机制

1、Namenode工作职责

负责客户端请求的响应，元数据的管理（查询，修改）

2、元数据管理

namenode对数据的管理采用了三种存储形式：内存元数据(NameSystem) 磁盘元数据镜像文件数据操作日志文件（可通过日志运算出元数据）

3、元数据存储机制

　 A、内存中有一份完整的元数据(内存meta data)

　　 B、磁盘有一个“准完整”的元数据镜像（fsimage）文件(在namenode的工作目录中)

　　 C、用于衔接内存metadata和持久化元数据镜像fsimage之间的操作日志（edits文件）注：当客户端对hdfs中的文件进行新增或者修改操作，操作记录首先被记入edits日志文件中，当客户端操作成功后，相应的元数据会更新到内存meta.data中

4、元数据的checkpoint

每隔一段时间，会由secondary namenode将namenode上积累的所有edits和一个最新的fsimage下载到本地，并加载到内存进行merge（这个过程称为checkpoint）

checkpoint操作的触发条件配置参数：

　　dfs.namenode.checkpoint.check.period=60 #检查触发条件是否满足的频率，60秒

　　dfs.namenode.checkpoint.dir=file://${hadoop.tmp.dir}/dfs/namesecondary

　　#以上两个参数做checkpoint操作时，secondary namenode的本地工作目录

　　dfs.namenode.checkpoint.edits.dir=${dfs.namenode.checkpoint.dir}

　　dfs.namenode.checkpoint.max-retries=3 #最大重试次数

　　dfs.namenode.checkpoint.period=3600 #两次checkpoint之间的时间间隔3600秒

　　dfs.namenode.checkpoint.txns=1000000 #两次checkpoint之间最大的操作记录

checkpoint的附带作用

　　namenode和secondary namenode的工作目录存储结构完全相同，所以，当namenode故障退出需要重新恢复时，可以从secondary namenode的工作目录中将fsimage拷贝到namenode的工作目录，以恢复namenode的元数据

五.Datanode工作机制

1、Datanode工作职责

存储管理用户的文件块数据，定期向namenode汇报自身所持有的block信息（通过心跳信息上报）

<property>
	<name>dfs.blockreport.intervalMsec</name>
	<value>3600000</value>
	<description>Determines block reporting interval in milliseconds.</description>
</property>

2、Datanode掉线判断时限参数

　　　datanode进程死亡或者网络故障造成datanode无法与namenode通信，namenode不会立即把该节点判定为死亡，要经过一段时间，这段时间暂称作超时时长。HDFS默认的超时时长为10分钟+30秒。如果定义超时时间为timeout，则超时时长的计算公式为：

timeout = 2 * heartbeat.recheck.interval + 10 * dfs.heartbeat.interval。而默认的heartbeat.recheck.interval 大小为5分钟，dfs.heartbeat.interval默认为3秒。

需要注意的是hdfs-site.xml 配置文件中的heartbeat.recheck.interval的单位为毫秒，dfs.heartbeat.interval的单位为秒。所以，举个例子，如果heartbeat.recheck.interval设置为5000（毫秒），dfs.heartbeat.interval设置为3（秒，默认），则总的超时时间为40秒。

<property>
	<name>heartbeat.recheck.interval</name>
	<value>2000</value>
</property>
<property>
	<name>dfs.heartbeat.interval</name>
	<value>1</value>
</property>

六. Hdfs的java操作

1.搭建开发环境　

(1)引入依赖

<dependency>
	<groupId>org.apache.hadoop</groupId>
	<artifactId>hadoop-client</artifactId>
	<version>2.6.1</version>
</dependency>

(2)window下开发的说明建议在linux下进行hadoop应用的开发，不会存在兼容性问题。如在window上做客户端应用开发，需要设置以下环境：

　　A、在windows的某个目录下解压一个hadoop的安装包

　　B、将安装包下的lib和bin目录用对应windows版本平台编译的本地库替换

　　C、在window系统中配置HADOOP_HOME指向你解压的安装包

　　D、在windows系统的path变量中加入hadoop的bin目录

2.HDFS客户端操作数据代码示例

(1) 文件的增删改查

public class HdfsClient {
	FileSystem fs = null;
	@Before
	public void init() throws Exception {
		// 构造一个配置参数对象，设置一个参数：我们要访问的hdfs的URI
		// 从而FileSystem.get()方法就知道应该是去构造一个访问hdfs文件系统的客户端，
		// 以及hdfs的访问地址
		// new Configuration();的时候，它就会去加载jar包中的hdfs-default.xml
		// 然后再加载classpath下的hdfs-site.xml
		Configuration conf = new Configuration();
		conf.set("fs.defaultFS", "hdfs://hdp-node01:9000");
		/**
		 * 参数优先级： 
		 *  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、然后是服务器的默认配置
		 */
		conf.set("dfs.replication", "3");
		// 获取一个hdfs的访问客户端，根据参数，这个实例应该是DistributedFileSystem的实例
		// fs = FileSystem.get(conf);
		// 如果这样去获取，那conf里面就可以不要配"fs.defaultFS"参数，
		// 而且，这个客户端的身份标识已经是hadoop用户
		fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");
	}

	/**
	 * 往hdfs上传文件
	 * @throws Exception
	 */
	@Test
	public void testAddFileToHdfs() throws Exception {
		// 要上传的文件所在的本地路径
		Path src = new Path("g:/redis-recommend.zip");
		// 要上传到hdfs的目标路径
		Path dst = new Path("/aaa");
		fs.copyFromLocalFile(src, dst);
		fs.close();
	}

	/**
	 * 从hdfs中复制文件到本地文件系统
	 * @throws IOException
	 * @throws IllegalArgumentException
	 */
	@Test
	public void testDownloadFileToLocal() throws IllegalArgumentException, IOException {
		fs.copyToLocalFile(new Path("/jdk-7u65-linux-i586.tar.gz"), new Path("d:/"));
		fs.close();
	}

	@Test
	public void testMkdirAndDeleteAndRename() throws IllegalArgumentException, IOException {
		// 创建目录
		fs.mkdirs(new Path("/a1/b1/c1"));
		// 删除文件夹 ，如果是非空文件夹，参数2必须给值true
		fs.delete(new Path("/aaa"), true);
		// 重命名文件或文件夹
		fs.rename(new Path("/a1"), new Path("/a2"));
	}

	/**
	 * 查看目录信息，只显示文件
	 * @throws IOException
	 * @throws IllegalArgumentException
	 * @throws FileNotFoundException
	 */

	@Test
	public void testListFiles() throws FileNotFoundException, IllegalArgumentException, IOException {
		// 思考：为什么返回迭代器，而不是List之类的容器
		RemoteIterator listFiles = fs.listFiles(new Path("/"), true);
		while (listFiles.hasNext()) {
			LocatedFileStatus fileStatus = listFiles.next();
			System.out.println(fileStatus.getPath().getName());
			System.out.println(fileStatus.getBlockSize());
			System.out.println(fileStatus.getPermission());
			System.out.println(fileStatus.getLen());
			BlockLocation[] blockLocations = fileStatus.getBlockLocations();
			for (BlockLocation bl : blockLocations) {
				System.out.println("block-length:" + bl.getLength() + "--" + "block-offset:" + bl.getOffset());
				String[] hosts = bl.getHosts();
				for (String host : hosts) {
					System.out.println(host);
				}
			}
			System.out.println("--------------打印的分割线--------------");
		}
	}

	/**
	 * 查看文件及文件夹信息
	 * @throws IOException
	 * @throws IllegalArgumentException
	 * @throws FileNotFoundException
	 */
	@Test
	public void testListAll() throws FileNotFoundException, 
                                     IllegalArgumentException, 
                                     IOException 
    {
		FileStatus[] listStatus = fs.listStatus(new Path("/"));
		String flag = "d--";
		for (FileStatus fstatus : listStatus) {
			if (fstatus.isFile())
				flag = "f--";
			System.out.println(flag + fstatus.getPath().getName());
		}
	}
}

(2)通过流的方式访问hdfs

/**
 * 相对那些封装好的方法而言的更底层一些的操作方式
 * 上层那些mapreduce spark等运算框架，去hdfs中获取数据的时候，就是调的这种底层的api
 * @author
 */
public class StreamAccess {
	FileSystem fs = null;
	@Before
	public void init() throws Exception {
		Configuration conf = new Configuration();
		fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");
	}

	@Test
	public void testDownLoadFileToLocal() throws IllegalArgumentException, IOException {
		// 先获取一个文件的输入流----针对hdfs上的
		FSDataInputStream in = fs.open(new Path("/jdk-7u65-linux-i586.tar.gz"));
		// 再构造一个文件的输出流----针对本地的
		FileOutputStream out = new FileOutputStream(new File("c:/jdk.tar.gz"));
		// 再将输入流中数据传输到输出流
		IOUtils.copyBytes(in, out, 4096);
	}

	/**
	 * hdfs支持随机定位进行文件读取，而且可以方便地读取指定长度
	 * 用于上层分布式运算框架并发处理数据
	 * @throws IllegalArgumentException
	 * @throws IOException
	 */
	@Test
	public void testRandomAccess() throws IllegalArgumentException, IOException {
		// 先获取一个文件的输入流----针对hdfs上的
		FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));
		// 可以将流的起始偏移量进行自定义
		in.seek(22);
		// 再构造一个文件的输出流----针对本地的
		FileOutputStream out = new FileOutputStream(new File("c:/iloveyou.line.2.txt"));
		IOUtils.copyBytes(in, out, 19L, true);
	}

	/**
	 * 显示hdfs上文件的内容
	 * @throws IOException
	 * @throws IllegalArgumentException
	 */
	@Test
	public void testCat() throws IllegalArgumentException, IOException {
		FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));
		IOUtils.copyBytes(in, System.out, 1024);
	}
}

转载于：渐行渐远的记忆

如果觉得我的文章对你有用，请随意赞赏

扫一扫支付