HDFS详解

HDFS基本概念

1、HDFS设计思想

分而治之：将大文件、大批量文件，分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析

2、概念和特性

概念：HDFS是一个分布式的文件系统。

特性：

（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

(注：适合用来做数据分析，并不适合用来做网盘应用，因为，不便修改，延迟大，网络开销大，成本太高)

---

HDFS基本操作（shell操作）

1、HDFS命令行客户端使用

2、命令行客户端支持的命令参数

3、常用命令参数介绍

-help             

功能：输出这个命令参数手册

hadoop fs -help

-ls                  

功能：显示目录信息

示例： hadoop fs -ls hdfs://hadoop1:9000/

备注：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（hadoop fs -ls -R / 会列出所有嵌套文件） 

-mkdir              

功能：在hdfs上创建目录

示例：hadoop fs  -mkdir  -p  /aaa/bbb/cc/dd

-moveFromLocal            

功能：从本地剪切粘贴到hdfs

示例：hadoop  fs  - moveFromLocal  /home/hadoop/a.txt  /aaa/bbb/cc/dd

-moveToLocal              

功能：从hdfs剪切粘贴到本地

示例：hadoop  fs  - moveToLocal   /aaa/bbb/cc/dd  /home/hadoop/a.txt 

--appendToFile  

功能：追加一个文件到已经存在的文件末尾

示例：hadoop  fs  -appendToFile  ./hello.txt  hdfs://hadoop-server01:9000/hello.txt

可以简写为：

hadoop  fs  -appendToFile  ./hello.txt  /hello.txt

-cat  

功能：显示文件内容  

示例：hadoop fs -cat  /hello.txt

-tail                 

功能：显示一个文件的末尾

示例：hadoop  fs  -tail  /weblog/access_log.1

-text                  

功能：以字符形式打印一个文件的内容

示例：hadoop  fs  -text  /weblog/access_log.1

-chgrp

-chmod

-chown

功能：linux文件系统中的用法一样，对文件所属权限

示例：

hadoop  fs  -chmod  666  /hello.txt

hadoop  fs  -chown  someuser:somegrp   /hello.txt

-copyFromLocal    

功能：从本地文件系统中拷贝文件到hdfs路径去

示例：hadoop  fs  -copyFromLocal  ./jdk.tar.gz  /aaa/

-copyToLocal      

功能：从hdfs拷贝到本地

示例：hadoop fs -copyToLocal /aaa/jdk.tar.gz   /

-cp              

功能：从hdfs的一个路径拷贝hdfs的另一个路径

示例： hadoop  fs  -cp  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

-mv                     

功能：在hdfs目录中移动文件

示例： hadoop  fs  -mv  /aaa/jdk.tar.gz  /

-get              

功能：等同于copyToLocal，就是从hdfs下载文件到本地

示例：hadoop fs  -get  /aaa/jdk.tar.gz   /

-getmerge             

功能：合并下载多个文件

示例：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                

功能：等同于copyFromLocal

示例：hadoop  fs  -put  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

-rm                

功能：删除文件或文件夹

示例：hadoop fs -rm -r /aaa/bbb/

-rmdir                 

功能：删除空目录

示例：hadoop  fs  -rmdir   /aaa/bbb/ccc

-df               

功能：统计文件系统的可用空间信息

示例：hadoop  fs  -df  -h  /

-du

功能：统计文件夹的大小信息

示例：

hadoop  fs  -du  -s  -h /aaa/*

-count         

功能：统计一个指定目录下的文件节点数量

示例：hadoop  fs  -count  /aaa/

-setrep                

功能：设置hdfs中文件的副本数量

示例：hadoop fs -setrep 3 /aaa/jdk.tar.gz

<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>

---

HDFS原理

1、HDFS的工作机制

1.1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

1.2HDFS写数据流程

1.2.1概述

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

1.2.2详细步骤图（上传文件）

1.2.3详细步骤解析

1、client跟namenode通信，请求上传文件，namenode检查目录树中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查询DataNode信息，然后返回3个可用的datanode服务器ABC给client

5、client请求3台DataNode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，将整个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。

1.3HDFS读数据流程

1.3.1概述

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

1.3.2详细步骤图（下载文件）

1.3.3详细步骤解析

1、client跟namenode通信请求读取文件，namenode查询元数据，找到文件块所在的datanode服务器，然后将每个文件块所在的DataNode服务器返回给client

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，先在本地缓存，然后写入目标文件

2、NameNode工作机制

2.1namenode职责

　　负责客户端青请求的响应

　　元数据的管理（查询、修改）

2.2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）

2.2.1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

2.2.2元数据手动查看

可以通过hdfs的一个工具来查看edits中的信息

　　bin/hdfs oev -i edits -o edits.xml

　　bin/hdfs oiv -i fsimage_0000000000000000087 -p XML -o fsimage.xml

2.2.3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的详细过程

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

3、DataNode工作机制

3.1 概述

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）

（这点很重要，因为，当集群中发生某些block副本失效时，集群如何恢复block初始副本数量的问题）

<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>

3.2 观察验证DATANODE功能

上传一个文件，观察文件的block具体的物理存放情况：

在每一台datanode机器上的这个目录中能找到文件的切块：

/usr/local/hadoop/tmp/dfs/data/current/BP-193442119-192.168.2.120-1432457733977/current/finalized

---

HDFS应用开发（Java操作）

1、搭建开发环境

1.1引入依赖

　　手动引入jar包，hdfs的jar包位于hadoop安装目录的share文件夹下。

　　创建一个hdfsjar用户类库，然后将common和hdfs两个文件夹中的jar包全部添加进去。

1.2Windows下开发的说明

　　建议在Linux下进行hadoop应用的开发，这样不会存在兼容性问题。

　　如果在Windows上做客户端应用开发，需要设置一下环境：

　　　　　　A、在windows的某个目录下解压一个hadoop的安装  d:hadoop-2.6.4

　　　　　　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

　　　　　　　　　　　　HADOOP_HOME=d:hadoop-2.6.4

　　　　　　D、在windows系统的path变量中加入hadoop的bin目录

　　　　　　　　　　　　PATH=d:hadoop-2.6.4in

2、获取API中的客户端对象

在java中操作hdfs，首先要获得一个客户端实例

Configuration conf = new Configuration()

FileSystem fs = FileSystem.get(conf)

而我们的操作目标是HDFS，所以获取到的fs对象应该是DistributedFileSystem的实例；

get方法是从何处判断具体实例化那种客户端类呢？

——从conf中的一个参数 fs.defaultFS的配置值判断；

如果我们的代码中没有指定fs.defaultFS，并且工程classpath下也没有给定相应的配置，conf中的默认值就来自于hadoop的jar包中的core-default.xml，默认值为： file:///，则获取的将不是一个DistributedFileSystem的实例，而是一个本地文件系统的客户端对象

3、DistributedFileSystem实例对象所具备的方法

4、hdfs客户端操作数据代码

4.1文件的增删改查

package com.ahu.bigdata.javaclient;

import java.net.URI;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.BlockLocation;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.LocatedFileStatus;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.RemoteIterator;

/**
 * 使用hdfsJava客户端实现文件的增删改查
 * 
 * @author ahu_lichang
 * 
 */
public class HdfsClientDemo {
    static FileSystem fs = null;

    public static 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 configuration = new Configuration();
        // configuration.set("fs.defaultFS", "hdfs://hadoop1:9000");
        /*
         * 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、服务器的默认设置
         */
        // configuration.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(configuration);
        // 如果这样去获取，那configuration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root用户
        fs = FileSystem.get(new URI("hdfs://hadoop1:9000"), configuration,
                "root");
    }

    /**
     * 向hdfs上传文件
     * 
     * @throws Exception
     */
    public static void testAddFileToHdfs() throws Exception {
        // 本地路径
        Path src = new Path("E:/access.log");
        // 目标路径
        Path dst = new Path("/access.log.copy");
        fs.copyFromLocalFile(src, dst);
        fs.close();
    }

    /**
     * 从hdfs中复制文件到本地文件系统
     * 
     * @throws Exception
     */
    public static void testDownloadFileToLocal() throws Exception {
        fs.copyToLocalFile(new Path("/access.log.copy"), new Path("E:/"));
        fs.close();
    }

    /**
     * 在hdfs中创建目录、删除文件夹、重命名文件或文件夹
     * 
     * @throws Exception
     */
    public static void testMkdirAndDeleteAndRename() throws Exception {
        // 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("/access.log.copy"), 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 Exception
     */
    public static void testListFiles() throws Exception {
        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(
                new Path("/"), true);
        while (listFiles.hasNext()) {
            LocatedFileStatus fileStatus = listFiles.next();
            System.out.println(fileStatus.getPath().getName());// job
            System.out.println(fileStatus.getBlockSize());// 块大小（都一样大）
            System.out.println(fileStatus.getPermission());// 权限
            System.out.println(fileStatus.getLen());// 块大小
            BlockLocation[] blockLocations = fileStatus.getBlockLocations();
            for (BlockLocation blockLocation : blockLocations) {
                System.out.println("block-length:" + blockLocation.getLength()
                        + "---" + "block-offset" + blockLocation.getOffset());// 块长度、块的起始偏移量
                String[] hosts = blockLocation.getHosts();
                for (String host : hosts) {// 块分布在哪些主机上
                    System.out.println(host);
                }
            }
            System.out
                    .println("----------------------------------------------------------");
        }
    }

    /**
     * 查看文件及文件夹信息（跟hadoop fs -ls /查询的效果差不多）
     * 
     * @throws Exception
     */
    public static void testListAll() throws Exception {
        FileStatus[] listStatus = fs.listStatus(new Path("/"));
        String flag = "d--         ";
        for (FileStatus fileStatus : listStatus) {
            if (fileStatus.isFile())
                flag = "f--         ";
            System.out.println(flag + fileStatus.getPath().getName());
        }
    }

    public static void main(String[] args) throws Exception {
        init();
        // testAddFileToHdfs();
        // testDownloadFileToLocal();
        // testMkdirAndDeleteAndRename();
        // testListFiles();
        testListAll();
    }
}

4.2通过流的方式访问hdfs和场景编程

package com.ahu.bigdata.javaclient;

import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.net.URI;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.BlockLocation;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;

/**
 * 通过流的方式访问hdfs
 * 
 * 相对于那些封装好的方法而言的，是更底层的一些操作方式
 * 
 * 上层的那些mapreduce、spark等运算框架，去hdfs中获取数据的时候，就是调用这种底层的api
 * 
 * @author ahu_lichang
 * 
 */
public class StreamAccess {
    static FileSystem fs = null;

    public static void init() throws Exception {
        Configuration configuration = new Configuration();
        fs = FileSystem.get(new URI("hdfs://hadoop1:9000"), configuration,
                "root");
    }

    /**
     * 将hdfs中的文件下载到本地
     * 
     * @throws Exception
     */
    public static void testDownloadFileToLocal() throws Exception {
        // 先获取一个文件的输入流---针对hdfs
        FSDataInputStream inputStream = fs.open(new Path(
                "/wordcount/output/part-r-00000"));
        // 再构造一个文件的输出流---针对本地
        FileOutputStream outputStream = new FileOutputStream(new File(
                "E:/part-r-00000"));
        // 将输入流中数据传输到输出流中
        IOUtils.copyBytes(inputStream, outputStream, 4096);// 4096缓冲区大小
    }

    /**
     * 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 Exception
     */
    public static void testRandomAccess() throws Exception {
        // 先获取一个文件的输入流---针对hdfs
        FSDataInputStream inputStream = fs.open(new Path(
                "/wordcount/output/part-r-00000"));
        // 可以将输入流的起始偏移量进行自定义
        inputStream.seek(200);
        // 再构造一个文件的输出流---针对本地
        FileOutputStream outputStream = new FileOutputStream(new File(
                "E:/part-r-custom"));
        IOUtils.copyBytes(inputStream, outputStream, 4096L, true);// true表示传输完毕关闭流
    }

    /**
     * 显示hdfs文件上的内容
     * 
     * @throws Exception
     */
    public static void testCat() throws Exception {
        FSDataInputStream inputStream = fs.open(new Path(
                "/wordcount/output/part-r-00000"));
        IOUtils.copyBytes(inputStream, System.out, 1024);
    }

    /**
     * 场景编程：获取一个文件的所有block位置信息，然后读取指定block中的内容
     * 
     * @throws IOException
     * @throws IllegalArgumentException
     */
    public static void testBlockCat() throws Exception {
        FSDataInputStream inputStream = fs.open(new Path(
                "/wordcount/output/part-r-00000"));
        // 拿到文件信息
        FileStatus[] listStatus = fs.listStatus(new Path(
                "/wordcount/output/part-r-00000"));
        // 获取这个文件的所有block的信息
        BlockLocation[] fileBlockLocations = fs.getFileBlockLocations(
                listStatus[0], 0L, listStatus[0].getLen());
        // 第一个block的长度
        long length = fileBlockLocations[0].getLength();
        // 第一个block的起始偏移量
        long offset = fileBlockLocations[0].getOffset();
        System.out.println(length);
        System.out.println(offset);
        // 获取第一个block写入输出流
        byte[] b = new byte[4096];
        FileOutputStream fos = new FileOutputStream(new File("E:/block0"));
        while (inputStream.read(offset, b, 0, 4096) != -1) {
            fos.write(b);
            offset += 4096;
            if (offset >= length)
                return;
        }
        fos.flush();
        fos.close();
        inputStream.close();
    }

    public static void main(String[] args) throws Exception {
        init();
        // testDownloadFileToLocal();
        // testRandomAccess();
        // testCat();
        testBlockCat();
    }

}