Hdfs详解
网站首页 文章专栏 Hdfs详解
Hdfs详解
编辑时间:2019-05-06 18:10 作者:毛毛小妖 浏览量:160 评论数:0

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

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

来说两句吧
最新评论
    还没有人评论哦,快来坐沙发吧!