Hadoop3.x 之 HDFS 完整使用 (月薪过万 第五章)

一、HDFS 概述

1、HDFS 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

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。

3、HDFS 优点

• 1、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。
  

• 2、 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

• 3、可构建在廉价机器上，通过多副本机制，提高可靠性。

4、HDFS 缺点

1. 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。

2. 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。

3. 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

二、HDFS组成架构

1、HDFS组成架构

2、NameNode（nn）

NameNode（nn）就是Master，它是一个主管、管理者。

（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。

3、DataNode

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

（1）存储实际的数据块；
（2）执行数据块的读/写操作

4、Client

Client：就是客户端

（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；

5、Secondary NameNode

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。

（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。

三、HDFS 文件块大小（面试重点）

1、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/3.x版本中是128M，1.x版本中是64M。

2、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。

四、HDFS 的 Shell 操作（开发重点）

1、基本语法

hadoop fs 具体命令 OR hdfs dfs 具体命令
两个是完全相同的。

2、命令大全

hadoop fs

五、常用命令上传与下载

1、HDFS上传

1. 创建文件

hadoop fs -mkdir /sanguo

2. HDFS上传(moveFromLocal)

-moveFromLocal：从本地剪切粘贴到 HDFS
[atguigu@hadoop102 hadoop-3.1.3]$ vim shuguo.txt
输入：
shuguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -moveFromLocal ./shuguo.txt 
/sanguo

3. 上传(copyFromLocal)

-copyFromLocal：从本地文件系统中拷贝文件到 HDFS 路径去
[atguigu@hadoop102 hadoop-3.1.3]$ vim weiguo.txt
输入：
weiguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -copyFromLocal weiguo.txt 
/sanguo

4. 上传(put)

-put：等同于 copyFromLocal，生产环境更习惯用 put
[atguigu@hadoop102 hadoop-3.1.3]$ vim wuguo.txt
输入：
wuguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -put ./wuguo.txt /sanguo

5. 上传(appendToFile)

-appendToFile：追加一个文件到已经存在的文件末尾
[atguigu@hadoop102 hadoop-3.1.3]$ vim liubei.txt
输入：
liubei
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -appendToFile liubei.txt 
/sanguo/shuguo.txt

2、HDFS下载

1、-copyToLocal：从 HDFS 拷贝到本地

从HDFS 上面的/sanguo/shuguo.txt 下载到本地当前目录
[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

3、HDFS 直接操作

1、显示目录（-ls）

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /sanguo
Found 3 items
-rw-r--r--   3 atguigu supergroup         14 2021-07-09 11:22 /sanguo/shuguo.txt
-rw-r--r--   3 atguigu supergroup          7 2021-07-09 11:19 /sanguo/weiguo.txt
-rw-r--r--   3 atguigu supergroup          7 2021-07-09 11:20 /sanguo/wuguo

2、查看文件（-cat）

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo.txt
2021-07-09 11:35:14,425 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
shuguo
liubei

3、修改权限（chown ）

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

4、创建路径（-mkdir）

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /jinguo

5、从 HDFS 的一个路径拷贝到 HDFS 的另一个路径（-cp）

-cp：从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo.txt /jinguo

6、在 HDFS 目录中移动文件（-mv）

-mv：在 HDFS 目录中移动文件
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/wuguo.txt /jinguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/weiguo.txt /jinguo

7、显示一个文件的末尾 1kb 的数据（-tail）

-tail：显示一个文件的末尾 1kb 的数据
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /jinguo/shuguo.txt

8、删除文件或文件夹（-rm）

-rm：删除文件或文件夹
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /sanguo/shuguo.txt

9、递归删除目录及目录里面内容（-rm -r）

-rm -r：递归删除目录及目录里面内容
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /sanguo

10、统计文件夹的大小信息（-du）

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /jinguo
27 81 /jinguo
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -du -h /jinguo
14 42 /jinguo/shuguo.txt
7 21 /jinguo/weiguo.txt
6 18 /jinguo/wuguo.tx
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

11、设置 HDFS 中文件的副本数量（-setrep）

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 10 /jinguo/shuguo.txt

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。

六、HDFS 的 API 操作

1、客户端环境准备

配置Hadoop 的 windows 的环境变量

过程简单、自己百度

2、JAVA(API创建文件夹）

1、工具类

public class HdfsClient {

    private FileSystem fs;
@Before
    public void init() throws URISyntaxException, IOException, InterruptedException {
        //连接地址
        URI url = new URI("hdfs://hadoop102:8020");
        //配置文件
        Configuration configuration = new Configuration();
        configuration.set("dfs.replication", "2");  //设置副本 -》 还可以确认优先级

        String user = "atguigu";


        //获取到了客户端
        fs = FileSystem.get(url, configuration, user);
    }


    @After
    public void close() throws IOException {
        fs.close();
    }
    }

2、创建文件夹

   /**
     * 创建文件夹
     *
     * @throws IOException
     */
    @Test
    public void testMkdir() throws IOException {
        boolean mkdirs = fs.mkdirs(new Path("/xiyou/huaguoshan1"));
        if (mkdirs) {
            System.out.println("成功创建");
        }

    }

3、上传文件

  /**
     * 上传文件
     *
     * @throws IOException hdfs-default.xml => hdfs-site.xml => 在项目资源目录下的配置文件 =>
     */
    @Test
    public void testPut() throws IOException {
        /**
         * 1、参数一 表示删除原数据
         * 2、是否允许覆盖
         * 3、元数据路径
         * 4、目的路径
         */

        fs.copyFromLocalFile(true, true, new Path("D:\\jvm\\README.md"), new Path("hdfs://hadoop102:/xiyou/huaguoshan"));

    }

4、文件下载

   @Test
    public void testCopyToLocalFile() throws IOException {
        /**
         * 1、参数一：源文件是否删除
         * 2、参数二、源文件路径HDFS
         * 3、参数三、目标地址路径win
         * 4、开启本地校验 false、带一个和源文件一样的 后缀为crc、意思就是判断两个文件有没有改动
         */
        fs.copyToLocalFile(false, new Path("hdfs://hadoop102:/xiyou/huaguoshan"),
                new Path("D:\\jvm\\"), false);
    }

5、文件删除

  /**
     * 文件删除
     */

    @Test
    public void testRM() throws IOException {
        /**
         * 1、参数一 要删除的路径
         * 2、是否递归删除
         *
         */
        //删文件
        // fs.delete(new Path("/hxx/shuguo.txt"),false);

        //删空目录
       //fs.delete(new Path("/xiyou"),false);

        //删非空目录  设置true即可
        fs.delete(new Path("/xiyou"), true);
    }

6、文件的更改和移动

    /**
     * 文件的更改和移动
     *
     * @throws IOException
     */
    @Test
    public void testMV() throws IOException {
        //对文件的修改
        // fs.rename(new Path("hdfs://hadoop102:/hxx/weiguo.txt"),new Path("hdfs://hadoop102:/hxx/wmk.txt"));

        //文件的移动和更名
        // fs.rename(new Path("hdfs://hadoop102:/hxx/wmk.txt"),new Path("hdfs://hadoop102:/hxx.txt"));

        // 目录更名

        fs.rename(new Path("/input"), new Path("/output"));
    }

2、JAVA(API查看文件详情）

1、获取文件详细信息

 /**
     * 获取文件详细信息
     *
     * @throws IOException
     */
    @Test
    public void fileDetail() throws IOException {
        //获取到的文件列表
        RemoteIterator<LocatedFileStatus> files = fs.listFiles(new Path("hdfs://hadoop102/"), true);
        while (files.hasNext()) {
            LocatedFileStatus next = files.next();
            System.out.println("======" + files.next().getPath() + "======");
            System.out.println(next.getPermission());
            System.out.println(next.getOwner());
            System.out.println(next.getGroup());
            System.out.println(next.getLen());
            System.out.println(next.getModificationTime());
            System.out.println(next.getReplication());
            System.out.println(next.getBlockSize());
            System.out.println(next.getPath().getName());

            //获取块信息
            BlockLocation[] blockLocations = next.getBlockLocations();
            System.out.println(Arrays.toString(blockLocations));

        }
    }

2、判断是文件还是文件夹

  /**
     * 判断是文件还是文件夹
     *
     * @throws IOException
     */
    @Test
    public void testFile() throws IOException {
        FileStatus[] fileStatuses = fs.listStatus(new Path("/"));
        for (FileStatus fileStatus : fileStatuses) {
            if (fileStatus.isFile()) {
                System.out.println("文件：" + fileStatus.getPath().getName());

            } else {
                System.out.println("目录：" + fileStatus.getPath().getName());
            }
        }
    }

}