• HDFS(一)


    一:HDFS概念

    1.1 产生背景

    随着数据量越来越大,在一个操作系统存不下所有的数据,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。

    1.2 HDFS定义

    HDFS(Hadoop Distributed File System),它是一个文件系统,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。

    1.3 优缺点

    优点:

    (一)高容错性: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。

    (二)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。

    (三)可构建在廉价机器上,通过多副本机制,提高可靠性。

    缺点:

    (一)不适合低延时数据访问,比如毫秒级的存储数据,是做不到的。

    (二)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。

    (三)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。

    1.4 组成架构

    一:NameNode(nn):就是Master,它是一个主管、管理者。(老板)

    (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。

    二:DataNode:就是Slave。NameNode下达命令,DataNode执行实际的操作。(员工)

    (1)存储实际的数据块;

    (2)执行数据块的读/写操作。

    三:Client:就是客户端。 (甲方)

    (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增删查改操作;

    四:Secondary NameNode:并非NameNode的热备。当NameNode挂掉的时候,它并不能马上替换NameNode并提供服务。(秘书)

    (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。

    1.5 HDFS文件块大小

    思考:为什么块的大小不能设置太小,也不能设置太大?

    (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,从磁盘传输数据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。

     二:HDFS的Shell操作

    2.1 基本语法

    hadoop fs 具体命令   或者     hdfs dfs 具体命令

    两个命令是完全相同的。

    bin/hadoop fs            ------命令大全

    2.2 上传

    1)-moveFromLocal:从本地剪切粘贴到HDFS

    [atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal ./shuguo.txt /sanguo 

    2)-copyFromLocal:从本地文件系统中拷贝文件到HDFS路径去

    [atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal weiguo.txt /sanguo 

    3)-put:等同于copyFromLocal,生产环境更习惯用put

    [atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -put ./wuguo.txt /sanguo 

    4)-appendToFile:追加一个文件到已经存在的文件末尾

    [atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo.txt

    2.3 下载

    1)-copyToLocal:从HDFS拷贝到本地

    [atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -copyToLocal /sanguo/shuguo.txt ./

    2)-get:等同于copyToLocal,生产环境更习惯用get

    [atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -get /sanguo/shuguo.txt ./shuguo2.txt

    三:HDFS的API操作

    (一)配置HADOOP_HOME环境变量

    (二)配置Path环境变量。

    (三)在IDEA中创建一个Maven工程(这个需要去配置一下Maven),并导入相应的依赖坐标+日志添加

    1. <dependencies>
    2. <dependency>
    3. <groupId>org.apache.hadoopgroupId>
    4. <artifactId>hadoop-clientartifactId>
    5. <version>3.1.3version>
    6. dependency>
    7. <dependency>
    8. <groupId>junitgroupId>
    9. <artifactId>junitartifactId>
    10. <version>4.12version>
    11. dependency>
    12. <dependency>
    13. <groupId>org.slf4jgroupId>
    14. <artifactId>slf4j-log4j12artifactId>
    15. <version>1.7.30version>
    16. dependency>
    17. dependencies>

    (四)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

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

    (五)创建HdfsClient类(获取客户端对象)

    1. @Before
    2. public void init() throws URISyntaxException, IOException, InterruptedException {
    3. //连接的集群nn地址
    4. URI uri=new URI("hdfs://hadoop102:8020");
    5. //创建一个配置文件
    6. Configuration configuration=new Configuration();
    7. //修改优先级
    8. configuration.set("dfs.replication","2");
    9. //用户
    10. String user="axing";
    11. //1.获取到了客户端对象
    12. fs= FileSystem.get(uri, configuration,user);
    13. }
    14. @After
    15. public void close() throws IOException {
    16. //3.关闭资源
    17. fs.close();
    18. }

    (六)API案例实操

    1. //创建目录
    2. @Test
    3. public void testmkdir() throws URISyntaxException, IOException, InterruptedException {
    4. //2.创建一个文件夹
    5. fs.mkdirs(new Path("/xiyou/huaguoshan1"));
    6. }
    7. //上传
    8. @Test
    9. /**
    10. * 参数优先级
    11. * hdfs-default.xml(最低) => hdfs-site.xml => 在项目资源目录下的配置文件 => 代码里面的配置(最高)
    12. */
    13. public void testPut() throws IOException {
    14. //参数解读
    15. //参数一:是否删除原数据
    16. //参数二:是否覆盖
    17. //参数三:原数据路径
    18. //参数四:目的地路径
    19. fs.copyFromLocalFile(true,true,new Path("D:\\sunwukong.txt"),new Path("hdfs://hadoop102:/xiyou/huaguoshan"));
    20. }
    21. //文件下载
    22. @Test
    23. public void testGet() throws IOException {
    24. //参数解读
    25. //参数一:是否删除原数据
    26. //参数二:源文件路径HDFS
    27. //参数三:目标地址路径Win
    28. //参数四:是否开启本地校验
    29. fs.copyToLocalFile(true,new Path("hdfs://hadoop102/xiyou/huaguoshan"),new Path("D:\\"),true);
    30. }
    31. //删除
    32. @Test
    33. public void testRm() throws IOException {
    34. //参数解读
    35. //参数一:要删除的路径
    36. //参数二:是否递归删除
    37. //删除文件
    38. fs.delete(new Path("/jdk-8u212-linux-x64.tar.gz"),false);
    39. //删除空目录
    40. fs.delete(new Path("/xiyou"),false);
    41. //删除非空目录
    42. fs.delete(new Path("/jinguo"),true);
    43. }
    44. //文件的更名和移动
    45. @Test
    46. public void testMv() throws IOException {
    47. //参数解读
    48. //参数一:原文件路径
    49. //参数二:目标文件路径
    50. //对文件名称的修改
    51. // fs.rename(new Path("/input1/word.txt"),new Path("/input1/ss.txt"));
    52. //文件的移动和更名
    53. // fs.rename(new Path("/input1/ss.txt"),new Path("/cls.txt"));
    54. //目录更名
    55. fs.rename(new Path("/input1"),new Path("/output1"));
    56. }
    57. //获取文件详细信息
    58. @Test
    59. public void fileDetail() throws IOException {
    60. //获取所有文件信息
    61. RemoteIterator listFiles=fs.listFiles(new Path("/"),true);
    62. //遍历文件
    63. while(listFiles.hasNext()){
    64. LocatedFileStatus fileStatus=listFiles.next();
    65. System.out.println("========"+fileStatus.getPath()+"========");
    66. System.out.println(fileStatus.getPermission());
    67. System.out.println(fileStatus.getOwner());
    68. System.out.println(fileStatus.getGroup());
    69. System.out.println(fileStatus.getLen());
    70. System.out.println(fileStatus.getModificationTime());
    71. System.out.println(fileStatus.getReplication());
    72. System.out.println(fileStatus.getBlockSize());
    73. System.out.println(fileStatus.getPath().getName());
    74. //获取块信息
    75. BlockLocation[] blockLocations=fileStatus.getBlockLocations();
    76. System.out.println(Arrays.toString(blockLocations));
    77. }
    78. }
    79. //判断是文件夹还是文件
    80. @Test
    81. public void testFile() throws IOException {
    82. FileStatus[] listStatus=fs.listStatus(new Path("/"));
    83. for(FileStatus status:listStatus){
    84. if(status.isFile()){
    85. System.out.println("文件:"+status.getPath().getName());
    86. }else {
    87. System.out.println("目录:"+status.getPath().getName());
    88. }
    89. }
    90. }

  • 相关阅读:
    外呼系统用回拨模式打电话有什么优势
    js的静态方法和静态属性
    你的项目需要自动化测试吗?
    git可视化工具-idea插件使用
    第二节:vuex与wabpack基本配置
    分布式系统幂等解决方案
    FFmpeg 基础
    3. 使用tcpdump抓取rdma数据包
    视觉神经网络的工作机理,计算机视觉和神经网络
    Qt插件之Qt Designer插件实现
  • 原文地址:https://blog.csdn.net/JiaXingNashishua/article/details/125886894