1 HDFS 概述
1.1 HDFS 产出背景及定义
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。
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，且不支持文件的修改。适合用来做数据分析，并不适合用来做网盘应用。
1.2 HDFS优缺点
优点：
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
适合处理大数据
可构建在廉价机器上，通过多副本机制，提高可靠性
缺点：
不适合低延时数据访问，比如毫秒级的存储数据
无法高效的对大量小文件进行存储
不支持并发写入、文件随机修改
1.3 HDFS组成架构
1.4 HDFS文件块大小
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。
如果寻址时间为 100ms，即查找目标 Block 的时间是 100ms。
寻址时间与传输时间的比例为 100 : 1为最佳状态，因此传输时间为 1ms。
目前磁盘的传输速率大概在 100MB/s，取个整大概就是 128MB。
2 HDFS 的 Shell 操作
(1)-help：输出这个命令参数
(2)-ls：显示目录信息
(3)-mkdir：在 HDFS 上创建目录
(4)-moveFromLocal：从本地剪切粘贴到 HDFS
(5)-appendToFile：追加一个文件到已经存在的文件末尾
(6)-cat：显示文件内容
(7)-chgrp 、-chmod、-chown：Linux 文件系统中的用法一样，修改文件所属权限
(8)-copyFromLocal：从本地文件系统中拷贝文件到 HDFS 路径去
(9)-copyToLocal：从 HDFS 拷贝到本地
(10)-cp ：从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
(11)-mv：在 HDFS 目录中移动文件
(12)-get：等同于 copyToLocal，就是从 HDFS 下载文件到本地
(13)-getmerge：合并下载多个文件，比如 HDFS 的目录 /user/djm/test 下有多个文件:log.1, log.2,log.3,...
(14)-put：等同于 copyFromLocal
(15)-tail：显示一个文件的末尾
(16)-rm：删除文件或文件夹
(17)-rmdir：删除空目录
(18)-du：统计文件夹的大小信息
(19)-setrep：设置 HDFS 中文件的副本数量
3 HDFS 客户端操作
package com.djm.hdfsclient;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;
import java.io.IOException;
import java.net.URI;
public class HdfsClient {
FileSystem fileSystem = null;
@Before
public void init() {
try {
fileSystem = FileSystem.get(URI.create("hdfs://hadoop102:9000"), new Configuration(), "djm");
} catch (IOException e) {
e.printStackTrace();
} catch (InterruptedException e) {
e.printStackTrace();
}
}
/**
* 上传文件
*/
@Test
public void put() {
try {
fileSystem.copyFromLocalFile(new Path("C:\Users\Administrator\Desktop\Hadoop 入门.md"), new Path("/"));
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 下载文件
*/
@Test
public void download() {
try {
// useRawLocalFileSystem表示是否开启文件校验
fileSystem.copyToLocalFile(false, new Path("/Hadoop 入门.md"), new Path("C:\Users\Administrator\Desktop\Hadoop 入门1.md"), true);
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 删除文件
*/
@Test
public void delete() {
try {
// recursive表示是否递归删除
fileSystem.delete(new Path("/Hadoop 入门.md"), true);
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 文件重命名
*/
@Test
public void rename() {
try {
fileSystem.rename(new Path("/tmp"), new Path("/temp"));
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 查看文件信息
*/
@Test
public void ls() {
try {
RemoteIterator listFiles = fileSystem.listFiles(new Path("/etc"), true);
while (listFiles.hasNext()) {
LocatedFileStatus fileStatus = listFiles.next();
if (fileStatus.isFile()) {
// 仅输出文件信息
System.out.print(fileStatus.getPath().getName() + " " + fileStatus.getLen() + " " + fileStatus.getPermission() + " " + fileStatus.getGroup() + " ");
// 获取文件块信息
BlockLocation[] blockLocations = fileStatus.getBlockLocations();
for (BlockLocation blockLocation : blockLocations) {
// 获取节点信息
String[] hosts = blockLocation.getHosts();
for (String host : hosts) {
System.out.print(host + " ");
}
}
System.out.println();
}
}
} catch (IOException e) {
e.printStackTrace();
}
}
@After
public void exit() {
try {
fileSystem.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
4 HDFS 的数据流
4.1 HDFS写数据流程
4.1.1 剖析文件写入
1、客户端通过 Distributed FileSystem 模块向 NameNode 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、客户端请求第一个 Block 上传到哪几个 DataNode。
4、NameNode 返回三个节点，分别是 dn1、dn2、dn3。
5、客户端通过 FSDataOutputStream 模块请求 dn1 上传数据，dn1 收到请求会继续调用 dn2，然后 dn2 调用 dn3，将这个通信管道建立完成。
6、按倒序逐级响应客户端。
7、客户端开始往 dn1 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，dn1 收到一个Packet 就会传给 dn2，dn2 传给 dn3;dn1 每传一个 packet 会放入一个应答队列等待应答。
8、当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器。
4.1.2 网络拓扑-节点距离计算
在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢?
4.1.3 机架感知
4.2 HDFS读数据流程 郑州男科医院:http://mobile.zztongjiyiyuan.com/郑州男科医院哪家好:http://mobile.zztongjiyiyuan.com/郑州做包皮手术多少钱:http://mobile.zztongjiyiyuan.com/
1、客户端通过 Distributed FileSystem 向 NameNode 请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
2、根据就近原则挑选一台 DataNode，请求读取数据。
3、DataNode 开始传输数据给客户端。
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。