了解HDFS

HDFS基本概念

1.HDFS前言

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；

在大数据系统中作用:
为各类分布式运算框架(如:mapreduce,spark…)提供数据存储服务

重点概念:文件切块,副本存放,元数据

2.HDFS的概念和特性

2.1 它是一个文件系统
用于存储文件,通过统一的命名空间——目录树来定位文件

2.2 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

2.3重要特性如下：
（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，hadoop1.x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

（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(不支持从中间插入数据，支持追加)

(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)

3.HDFS的shell(命令行客户端)操作

3.1 HDFS命令行客户端使用

HDFS提供shell命令行客户端，使用方法如下：
hadoop fs -具体的执行命令 hdfs路径

3.2 命令行客户端支持的命令参数
这里我因为太多了就只列几个常用的,想查看所有命令可以输入
hadoop fs 就可以查看所有命令了

在hdfs上创建目录

hadoop fs -madir -p  /aaa

从本地剪切文件到hdfs

hadoop fs  -moveFromlocal  /root/a.txt
/aaa/

从hdfs剪切文件到本地

hadoop fs -moveToLocal  /aaa/a.txt  /root/

显示文件内容

hadoop fs  -cat  /aaa/a.txt

从本地文件系统中拷贝文件到hdfs路径去

hadoop fs -copyFromLocal  /toot/a.txt  /aaa/t.txt

从hdfs拷贝到本地

hadoop fs -copyToLocal  /aaa/t.txt   /root/

在hdfs目录中移动文件

hadoop fs  -mv  /aaa/t.txt  / 

删除文件或文件夹

hadoop fs  -rm -r /aaa/t.txt

删除空目录
hadoop fs -rmdir /aaa/bbb

4.hdfs 的工作机制

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储存在若干台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

HDFS写数据流程(上传到hdfs)

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

详细步骤解析

1、根namenode通信请求上传文件，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、client请求第一个 block该传输到哪些datanode服务器上
4、namenode返回3个datanode服务器ABC
5、client请求3台dn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，将真个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。

HDFS读数据流程 (从hdfs下载)

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

详细步骤解析

1、跟namenode通信查询元数据，找到文件块所在的datanode服务器
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，现在本地缓存，然后写入目标文件