HDFS总结

概述

HDFS 分布式文件系统。适合一次写入，多次读出（文件创建写入关闭后不修改）
优点：高容错（分布式）+大规模数据（文件数量、数据PB级别）+成本低（多副本在廉价机器上）
缺点：存储数据延迟+只适合大文件存储+单线程写文件+只追加文件不随机修改
HDFS组成
NameNode(Master) 管理 HDFS名称空间+配置副本+数据块映射+处理客户端读写请求
DataNode(Slave， NameNode下达命令，DataNode执行命令）存储实际数据+执行数据读写
Client(客户端)
Secondary NameNode: 辅助NameNode分担工作量如定期合并Fsimage和Edit并推送给NameNode;+紧急情况辅助恢复NameNode

HDFS文件块大小（面试）

HDFS文件是分块存储，块的大小可以配置参数（dfs.blocksize）。hadoop1.X块大小64M，hadoop2.X、hadoop3.X 是128M。
如果寻址时间是10ms,理论上寻址时间是传输时间的1%最为理想。所以理想的传输时间是1s,而磁盘的传输速率普遍是100M/s,所以块大小100M（磁盘传输更快的话可以设置更大）。
HDFS 块设置太小，会增加寻址时间（程序的寻址时间比重增大）
HDFS块设置大：从磁盘传输数据时间会明显大于寻址定位时间，导致程序在处理这个数据块非常慢。
总结：HDFS的块大小取决于磁盘的传输速率

HDFS的Shell操作（开发重点）

• 基本语法
  hadoop fs 具体命令
  hdfs dfs 具体命令

准备工作 启动集群

上传

-mkdir 创建文件夹

hadoop fs -mkdir /mytest/

在hadoop102:9870查看

-moveFromLocal：从本地剪切粘贴到HDFS

注意：本地的文件shuguo.txt没了

./代表当前目录
/代表根目录

-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

-put：等同于copyFromLocal

hadoop fs -put ./wuguo.txt /sanguo

-appendToFile：追加一个文件到已经存在的文件末尾

查看shuoguo.txt,后面已经追加了liubei

下载

-copyToLocal：从HDFS拷贝到本地(可重命名)

重命名为shuhuo2.txt(本地已经有shuguo.txt)

-get：等同于copyToLocal

重命名shuguo3.txt

HDFS直接操作

这里是显示HDFS集群中的信息（hadoop102:9870可以看信息）

-ls: 显示目录信息

cat：显示文件内容

-chgrp、-chmod、-chown

Linux文件系统中的用法一样，修改文件所属权限
hadoop fs -chmod 666


hadoop fs -chown tm:yy /sanguo/shuguo.txt

-mkdir：创建路径

hadoop fs -mkdir /jinguo 在根目录(/)创建jingguo文件夹

-cp：从HDFS的一个路径拷贝到HDFS的另一个路径

hadoop fs -cp /sanguo/shuguo.txt /jinguo sanguo下的shuguo.txt 复制到/jinguo

-mv：在HDFS目录中移动文件

hadoop fs -mv /sanguo/wuguo.txt /jinguo
sanguo/wuguo.txt的文件 移动到jinguo文件夹下
hadoop fs -mv /sanguo/weiguo.txt /jinguo
sanguo/weiguo.txt的文件 移动到jinguo文件夹下

-tail：显示一个文件的末尾1kb的数据

hadoop fs -tail /jinguo/shuguo.txt

-rm：删除文件或文件夹

hadoop fs -rm /sanguo/shuguo.txt

-rm -r：递归删除目录及目录里面内容

hadoop fs -rm -r /sanguo

-du统计文件夹的大小信息

hadoop fs -du -s -h /jinguo

说明：27表示文件大小；81表示27*3个副本；/jinguo表示查看的目录

-setrep：设置HDFS中文件的副本数量

这里设置的副本数只是记录在NameNode的元数据中，是否真的会有这么多副本，还得看DataNode的数量。因为目前只有3台设备，最多也就3个副本，只有节点数的增加到10台时，副本数才能达到10。