分布式文件系统与HDFS笔记

关注

原创最新推荐文章于 2026-02-27 10:03:55 发布 671 阅读 AI 写同款· GEO 优化 ›

大数据——HDFS(分布式文件系统）我的理解就是，你上传到服务器的数据，为了保证数据的安全性，如果一个服务器出现了问题，那么必须保证你的数据不能丢失，那么在其他服务器上也会备份一份出问题服务器的数据，以保证数据不丢失，就是一个存有你数据的服务器坏掉了，也不会影响你的数据。以上仅仅是我的理解，仅供参考。阅读详情

分布式文件系统 Distributed File System

数据量越来越多，在一个操作系统管辖的范围存不下了，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，因此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。
是一种允许文件通过网络在多台主机上分享的文件系统，可让多机器上的多用户分享文件和存储空间。
通透性。让实际上是通过网络来访问文件的动作，由程序与用户看来，就像是访问本地的磁盘一般。
容错。即使系统中有某些节点脱机，整体来说系统仍然可以持续运作而不会有数据损失。
分布式文件管理系统很多，hdfs只是其中一种。适用于一次写入多次查询的情况，不支持并发写情况，小文件不合适。

HDFS-Shell

调用文件系统(FS)Shell命令应使用 bin/hadoop fs 的形式。

HDFS fs命令

help [cmd] //显示命令的帮助信息
ls(r) //显示当前目录下所有文件
du(s) //显示目录中所有文件大小
count[-q] //显示目录中文件数量
mv //移动多个文件到目标目录
cp //复制多个文件到目标目录
rm(r) //删除文件(夹)
put //本地文件复制到hdfs
copyFromLocal //同put
moveFromLocal //从本地文件移动到hdfs
get [-ignoreCrc] //复制文件到本地，可以忽略crc校验
getmerge //将源目录中的所有文件排序合并到一个文件中
cat //在终端显示文件内容
text //在终端显示文件内容
copyToLocal [-ignoreCrc] //复制到本地
moveToLocal
mkdir //创建文件夹
touchz //创建一个空文件

Hadoop管理员常用命令

hadoop job –list #列出正在运行的Job

hadoop job –kill #kill job

hadoop fsck / #检查HDFS块状态，是否损坏

hadoop fsck / -delete #检查HDFS块状态，删除损坏块

hadoop dfsadmin –report #检查HDFS状态，包括DN信息

hadoop dfsadmin –safemode enter | leave

HDFS架构

HDFS架构由三部分组成，NameNode、DataNode、SecondaryNameNode

这里写图片描述

NameNode

是整个文件系统的管理节点。它维护着整个文件系统的文件目录树，文件/目录的元信息和每个文件对应的数据块列表。接收用户的操作请求。
文件目录(hdfs-site.xml的dfs.name.dir属性
)
- fsimage:元数据镜像文件。存储某一时段NameNode内存元数据信息。
- edits:操作日志文件。
- fstime:保存最近一次checkpoint的时间
以上这些文件是保存在linux的文件系统中。

NameNode的工作特点

Namenode始终在内存中保存metedata，用于处理“读请求”
到有“写请求”到来时，namenode会首先写editlog到磁盘，即向edits文件中写日志，成功返回后，才会修改内存，并且向客户端返回
Hadoop会维护一个fsimage文件，也就是namenode中metedata的镜像，但是fsimage不会随时与namenode内存中的metedata保持一致，而是每隔一段时间通过合并edits文件来更新内容。
ondary namenode就是用来合并fsimage和edits文件来更新NameNode的metedata的。

DataNode

提供真实文件数据的存储服务。
文件块（block）：最基本的存储单位。对于文件内容而言，一个文件的长度大小是size，那么从文件的０偏移开始，按照固定的大小，顺序对文件进行划分并编号，划分好的每一个块称一个Block。HDFS默认Block大小是128MB，以一个256MB文件，共有256/128=2个Block.
dfs.block.size
不同于普通文件系统的是，HDFS中，如果一个文件小于一个数据块的大小，并不占用整个数据块存储空间
Replication参数，多副本，hdfs-site.xml的dfs.replication属性，默认是三个。

Secondary NameNode

HA的一个解决方案。但不支持热备。配置即可。
执行过程：从NameNode上下载元数据信息（fsimage,edits），然后把二者合并，生成新的fsimage，在本地保存，并将其推送到NameNode，替换旧的fsimage.
默认在安装在NameNode节点上，但这样…不安全！

secondary namenode的工作流程

secondary通知namenode切换edits文件
secondary从namenode获得fsimage和edits(通过http)
secondary将fsimage载入内存，然后开始合并edits
secondary将新的fsimage发回给namenode
namenode用新的fsimage替换旧的fsimage

这里写图片描述

Remote Procedure Call

hadoop的远程程序调用机制
- RPC——远程过程调用协议，它是一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议。RPC协议假定某些传输协议的存在，如TCP或UDP，为通信程序之间携带信息数据。在OSI网络通信模型中，RPC跨越了传输层和应用层。RPC使得开发包括网络分布式多程序在内的应用程序更加容易。

RPC采用客户机/服务器模式。请求程序就是一个客户机，而服务提供程序就是一个服务器。首先，客户机调用进程发送一个有进程参数的调用信息到服务进程，然后等待应答信息。在服务器端，进程保持睡眠状态直到调用信息的到达为止。当一个调用信息到达，服务器获得进程参数，计算结果，发送答复信息，然后等待下一个调用信息，最后，客户端调用进程接收答复信息，获得进程结果，然后调用执行继续进行。
hadoop的整个体系结构就是构建在RPC之上的(见org.apache.hadoop.ipc)。

HDFS读过程

初始化FileSystem，然后客户端(client)用FileSystem的open()函数打开文件
FileSystem用RPC调用元数据节点，得到文件的数据块信息，对于每一个数据块，元数据节点返回保存数据块的数据节点的地址。
FileSystem返回FSDataInputStream给客户端，用来读取数据，客户端调用stream的read()函数开始读取数据。
DFSInputStream连接保存此文件第一个数据块的最近的数据节点，data从数据节点读到客户端(client)
当此数据块读取完毕时，DFSInputStream关闭和此数据节点的连接，然后连接此文件下一个数据块的最近的数据节点。
当客户端读取完毕数据的时候，调用FSDataInputStream的close函数。
在读取数据的过程中，如果客户端在与数据节点通信出现错误，则尝试连接包含此数据块的下一个数据节点。
失败的数据节点将被记录，以后不再连接。

这里写图片描述

HDFS写过程

初始化FileSystem，客户端调用create()来创建文件
FileSystem用RPC调用元数据节点，在文件系统的命名空间中创建一个新的文件，元数据节点首先确定文件原来不存在，并且客户端有创建文件的权限，然后创建新文件。
FileSystem返回DFSOutputStream，客户端用于写数据，客户端开始写入数据。
DFSOutputStream将数据分成块，写入data queue。data queue由Data Streamer读取，并通知元数据节点分配数据节点，用来存储数据块(每块默认复制3块)。分配的数据节点放在一个pipeline里。Data Streamer将数据块写入pipeline中的第一个数据节点。第一个数据节点将数据块发送给第二个数据节点。第二个数据节点将数据发送给第三个数据节点。
DFSOutputStream为发出去的数据块保存了ack queue，等待pipeline中的数据节点告知数据已经写入成功。
当客户端结束写入数据，则调用stream的close函数。此操作将所有的数据块写入pipeline中的数据节点，并等待ack queue返回成功。最后通知元数据节点写入完毕。
如果数据节点在写入的过程中失败，关闭pipeline，将ack queue中的数据块放入data queue的开始，当前的数据块在已经写入的数据节点中被元数据节点赋予新的标示，则错误节点重启后能够察觉其数据块是过时的，会被删除。失败的数据节点从pipeline中移除，另外的数据块则写入pipeline中的另外两个数据节点。元数据节点则被通知此数据块是复制块数不足，将来会再创建第三份备份。

这里写图片描述

思考题

hdfs的组成部分有哪些，分别解释一下

HDFS架构由三部分组成，NameNode、DataNode、SecondaryNameNode。详细解释参见HDFS架构
hdfs的高可靠如何实现

HDFS实现其高可靠性的策略及机制 http://blog.youkuaiyun.com/lsxy117/article/details/47622159

请用shell命令实现目录、文件的增删改查
shell命令实现文件操作
请用java api实现目录、文件的增删改查

package com.elon33.hadoop.hdfs;

import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;

import org.apache.commons.io.IOUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FSDataOutputStream;
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;
import org.junit.Before;
import org.junit.Test;

public class HdfsClientEasy {

    private FileSystem fs = null;

    @Before
    public void getFs() throws IOException {

        // get a configuration object
        Configuration conf = new Configuration();
        // to set a parameter, figure out the filesystem is hdfs
        conf.set("fs.defaultFS", "hdfs://hadoop:9000/");
        conf.set("dfs.replication", "1");

        // get a instance of HDFS FileSystem Client
        fs = FileSystem.get(conf);

    }

    /**
     * 在hdfs文件系统中创建文件目录
     * 
     * @throws IllegalArgumentException
     * @throws IOException
     */
    @Test
    public void testMkdir() throws IllegalArgumentException, IOException {

        boolean res = fs.mkdirs(new Path("/upload"));
        System.out.println(res ? "mkdir is successfully!" : "it's failed!");

    }

    /**
     * 给文件/文件夹重命名
     * 
     * @throws IllegalArgumentException
     * @throws IOException
     */
    @Test
    public void testRename() throws IllegalArgumentException, IOException {

        boolean res = fs.rename(new Path("/upload"), new Path("/upload1"));
        System.out.println(res ? "mkdir is successfully!" : "it's failed!");
    }

    /**
     * 上传文件到HDFS
     * 
     * @throws IllegalArgumentException
     * @throws IOException
     */
    @Test
    public void testUpload() throws IllegalArgumentException, IOException {

        fs.copyFromLocalFile(new Path("c:/input.txt"), new Path("/upload1"));

    }

    /**
     * 从HDFS系统下载文件到本地
     * 
     * @throws Exception
     */
    @Test
    public void testDownload() throws Exception {

        fs.copyToLocalFile(new Path("/jdk.exe"), new Path("f:/"));
    }

    /**
     * 通过输入输出流完成上传文件 upload local file to HDFS
     * 
     * @throws Exception
     */
    @Test
    public void testUploadByIO() throws Exception {

        // open a inputstream of the local source file
        FileInputStream is = new FileInputStream("c:/input.txt");

        // create a outputstream of the dest file
        Path destFile = new Path("hdfs://hadoop:9000/input.txt");
        FSDataOutputStream os = fs.create(destFile);

        // write the bytes in "is" to "os" ==> upload local file to HDFS
        // IOUtils.copy(is, os);

    }

    /**
     * 通过输入输出流完成下载文件 download HDFS file to local
     * 
     * @throws Exception
     */
    @Test
    public void testDownloadByIO() throws Exception {

        // open a FSDataInputStream of the HDFS source file
        FSDataInputStream is = fs.open(new Path("hdfs://hadoop:9000/input.txt"));
        // create a outputstream file of the local file
        FileOutputStream os = new FileOutputStream("f:/input.txt");
        // write the bytes in "is" to "os" ==> download HDFS file to local
        IOUtils.copy(is, os);
    }

    /**
     * 删除hdfs文件系统中的文件
     * 
     * @throws IllegalArgumentException
     * @throws IOException
     */
    @Test
    public void testRmfile() throws IllegalArgumentException, IOException {

        boolean res = fs.delete(new Path("/upload1"), true);
        System.out.println(res ? "delete is successfully :)" : "it is failed :(");

    }

    /**
     * 查询出文件系统指定目录下的文件列表
     * 
     * @throws FileNotFoundException
     * @throws IllegalArgumentException
     * @throws IOException
     */
    @Test
    public void testListFiles() throws FileNotFoundException, IllegalArgumentException, IOException {

        // List the statuses and block locations of the files in the given path
        // 循环遍历指定路径下的所有文件 同：hadoop fs -ls -R /
        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);

        while (listFiles.hasNext()) {

            LocatedFileStatus file = listFiles.next();

            System.out.println(file.getPath().getName());

        }

        System.out.println("--------------------------------------------");

        // List the statuses of the files/directories in the given path if the
        // path is a directory.
        // 列出该路径下的文件或者目录状态信息
        FileStatus[] status = fs.listStatus(new Path("/"));
        for (FileStatus file : status) {

            System.out.println(file.getPath().getName() + "   " + (file.isDirectory() ? "d" : "f"));
        }
    }
}