hdfs 订阅
Hadoop分布式文件系统(HDFS)是指被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统(Distributed File System)。它和现有的分布式文件系统有很多共同点。但同时,它和其他的分布式文件系统的区别也是很明显的。HDFS是一个高度容错性的系统,适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问,非常适合大规模数据集上的应用。HDFS放宽了一部分POSIX约束,来实现流式读取文件系统数据的目的。HDFS在最开始是作为Apache Nutch搜索引擎项目的基础架构而开发的。HDFS是Apache Hadoop Core项目的一部分。HDFS有着高容错性(fault-tolerant)的特点,并且设计用来部署在低廉的(low-cost)硬件上。而且它提供高吞吐量(high throughput)来访问应用程序的数据,适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求(requirements)这样可以实现流的形式访问(streaming access)文件系统中的数据。 展开全文
Hadoop分布式文件系统(HDFS)是指被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统(Distributed File System)。它和现有的分布式文件系统有很多共同点。但同时,它和其他的分布式文件系统的区别也是很明显的。HDFS是一个高度容错性的系统,适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问,非常适合大规模数据集上的应用。HDFS放宽了一部分POSIX约束,来实现流式读取文件系统数据的目的。HDFS在最开始是作为Apache Nutch搜索引擎项目的基础架构而开发的。HDFS是Apache Hadoop Core项目的一部分。HDFS有着高容错性(fault-tolerant)的特点,并且设计用来部署在低廉的(low-cost)硬件上。而且它提供高吞吐量(high throughput)来访问应用程序的数据,适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求(requirements)这样可以实现流的形式访问(streaming access)文件系统中的数据。
信息
特    点
高容错性
适    用
大规模数据集
作    用
作为Apache Nutch的基础架构
实    质
分布式文件系统
全    称
Hadoop Distributed File System
简    称
hdfs
hdfs体系结构
HDFS采用了主从(Master/Slave)结构模型,一个HDFS集群是由一个NameNode和若干个DataNode组成的。其中NameNode作为主服务器,管理文件系统的命名空间和客户端对文件的访问操作;集群中的DataNode管理存储的数据。
收起全文
精华内容
下载资源
问答
  • HDFS

    万次阅读 2020-10-09 07:53:19
    HDFS HDFS全称 Hadoop Distribute File System 即 Hadoop分布式文件系统

    HDFS全称 Hadoop Distribute File System 即 Hadoop分布式文件系统

    主要作用

    即存储海量数据
    为什么能存储海量数据??
    因为其空间大,空间大的原因为服务器多、磁盘多。且支持扩展

    组成部分

    管理者-Master NameNode 集群中有1~2个,用于管理集群中的工作者
    工作者-Slave DateNode 集群中有多个,正真存储和计算数据组件
    辅助管理 SecondaryNameNode 辅助管理者工作

    HDFS存储数据方式

    以数据块的方式存储数据。默认一个数据块128M,该数值可以修改
    注意:这里的128仅仅是切分数据的阈值。
    一个大的数据被切分成多个小的128的数据块,分别存储在集群多个节点的不同位置。

    数据副本机制

    数据副本默认是3份。
    一个数据存储到HDFS后,数据自动复制两份,共三份(三分相同的数据-数据冗余)

    数据副本存放机制

    第一个副本在客户端所在的节点(客户端也是集群内的节点),若客户端在集群外,那么根据一定的计算规则选一个节点
    第二份副本,在与第一份相同机柜,且不在同一个服务器的节点上。
    第三份与第一份第二份不在同一个机柜,且逻辑距离(网络拓扑)最近的机柜选择一个节点存储

    Namenode的作用

    1.维护目录树,维护命名空间。
    2.负责确定指定的文件块到具体的Datanode节点的映射关系。(在客户端与Datanode之间共享数据)
    3、管理Datanode结点的状态报告

    DataNode的作用

    1、 负责管理它所在结点上存储的数据的读写,及存储数据。.
    2、 向Namenode结点报告DataNode节点的状态。
    3、 通过流水线复制实现三份数据副本。

    展开全文
  • hdfs

    千次阅读 2020-10-08 08:03:40
    1,hdfs下的相对路径是相对于:/bin/root

    1,hdfs下的相对路径是相对于:/bin/root

    展开全文
  • 一文了解 HDFS 及其组成框架

    万次阅读 多人点赞 2021-03-07 14:25:03
    介绍了HDFS是什么、HDFS的优缺点,NameNode节点、DataNode节点、SecondaryNameNode节点的 定义 及 功能 介绍。

    HDFS是Google公司的 GFS论文 思想的实现,它由NameNode(名称节点)、DataNode(数据节点)、SecondaryNameNode(第二名称节点)组成。其中, NameNode 相当于论文中的 GFS Master , DataNode 相当于论文中的 GFS Chunk Server 。

    GFS   是一个可扩展的分布式文件系统设计思想,用于设计针对大型的、分布式的、对大量数据进行访问的文件系统。

    一、 HDFS简介

    1.1 HDFS的概述

    HDFS是基于 流数据 访问模式的 分布式文件系统 ,其设计建立在 “一次写入、多次读取” 的基础上,提供高吞吐量、高容错性的数据访问,能很好地解决海量数据的存储问题。

    流数据   是指数千个数据源 持续生成 的数据,可以理解为随时间延续而 无限增长 的动态数据集合。
    通俗点说,如果把数据比如成一个水库,那么流进去的水,就是流数据(就像我们听的音乐,属于音乐流;而看到的文字、图片这些较为固定的,一次性下载的,形成不了流)。

    在Hadoop生态圈中,HDFS属于底层基础,负责存储文件。
    (图片来源于网络)
    在这里插入图片描述

    1.2 HDFS的优点

    HDFS的优点:

    1. 高容错性。提供了容错和恢复机制,副本丢失后,自动恢复。
    2. 高可靠性。数据自动保存多个副本,通过多副本提高可靠性。
    3. 适合大数据处理。可以处理超大文件,比如 TB级甚至PB级 的文件。
    4. 适合批处理。移动计算而非移动数据;数据位置暴露给计算框架。
    5. 支持流式数据访问。一次性写入,多次读取(一个数据集一旦生成,就会被复制分发到不同的存储节点,各节点可以进行读取/访问);保证数据一致性。
    6. 低成本运行。可以运行在低成本的硬件之上。

    HDFS 默认保存 3 份副本。


    第一个副本:放置在 上传文件 的数据节点(第一个副本如果是在 集群外 提交,则随机挑选一个 CPU 比较空闲磁盘不太满 的节点);
    第二个副本:放置在与 第一个副本 不同 的机架的节点上;
    第三个副本:放在与 第二个副本 相同 的机架的其他节点上。

    1.3 HDFS的缺点

    HDFS的缺点:

    1. 不适合处理 低延迟 的数据访问。比如用户 要求时间比较短 的低延迟应用(主要处理高数据吞吐量的应用)。
    2. 不适合处理 大量的小 文件。会造成寻址时间超过读取时间;会占用NameNode大量内存,因为NameNode把文件系统的元数据存放在内存中(文件系统的容量由NameNode的大小决定),小文件太多会消耗NameNode的内存。
    3. 不适合 并发写入。一个文件只能有一个写入者,HDFS暂不支持多个用户对同一个文件的写操作。
    4. 不适合 任意修改 文件。仅支持append(附加),不支持在文件的任意位置进行修改。

    二、 HDFS的组成与架构

    HDFS的组成架构图及各部分功能如下所示:

    在这里插入图片描述
    (图片来源于网络)

    2.1 NameNode节点

    当用户访问数据文件时,为了保证能够读取到每一个数据块, HDFS有一个专门 负责保存文件属性信息的节点,这个节点就是 NameNode 节点(即 名称节点 )。

    2.1.1 节点职责

    NameNode节点 是HDFS的管理者,负责保存和管理HDFS的元数据。

    其职责有以下三个方面:
    ① 管理维护HDFS的命名空间
    NameNode管理HDFS系统的命名空间,维护文件系统树以及文件系统树中所有文件的元数据。管理这些信息的的文件分别是 edits(操作日志文件) 和 fsimage(命名空间镜像文件) 。

    editlog(操作日志):在NameNode启动的情况下,对HDFS进行的各种操作进行记录。(HDFS客户端执行的所有操作都会被记录到editlog文件中,这些文件由edits文件保存)


    fsimage:包含HDFS中的元信息(比如修改时间、访问时间、数据块信息等)。

    ② 管理DataNode上的数据块
    负责管理数据块上所有的元数据信息(管理DataNode上数据块的均衡,维持副本数量)。

    ③ 接收客户端的请求
    接收客户端文件上传、下载、创建目录等的请求。

    2.2 DataNode节点

    HDFS首先把大文件切分成若干个小的数据块,再把这些数据块写入不同的节点,这个 负责保存文件数据的节点就是 DataNode 节点(即 数据节点 )。

    2.2.1 节点职责

    DataNode节点 负责存储数据,把Block(数据块)以Linux文件的形式保存在磁盘上,并根据Block标识和字节范围来读写块数据。

    其职责有以下三个方面:
    ① 保存数据块
    一个数据块会在多个DataNode进行冗余备份(在某一个DataNode最多只有一个备份)。

    ② 负责客户端对数据块的IO请求
    在客户端执行写操作时,DataNode之间会相互通信,保证写操作的一致性。

    ③ 定期和NameNode进行心跳通信,接受NameNode的指令
    如果NameNode节点10分钟没有收到DataNode的心跳信息,就会将其上的数据块复制到其他DataNode节点。

    因此,NameNode节点上并不会永久保存DataNode节点上的数据块信息,而是通过与DataNode节点心跳联系的方式,来更新节点上的映射表,以此减轻负担。

    问题:HDFS数据块默认大小为128M(Hadoop2.2之前为64M),将HDFS的数据块设置得很大的目的是什么?(传统数据块只有512个字节)

    答:为了减少寻址开销,让HDFS的文件传输时间由传输速率决定(如果块设置得足够大,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)。

    2.3 SecondaryNameNode节点

    HDFS有一个定期创建命名空间的检查点(CheckPoint)操作的节点,也就是SecondaryNameNode节点(即 第二名称节点)。

    出于可靠性考虑,SecondaryNameNode节点与NameNode节点通常运行在不同的机器上,且SecondaryNameNode节点与NameNode节点的内存要一样大

    (如果想了解 SecondaryNameNode 的工作流程,可以参考这篇文章:浅析 SecondaryNameNode 的工作流程

    问题:一般情况下,一个集群中的SecondaryNameNode节点也是只有一个的原因是什么?


    答:因为如果多的话,会增加NameNode的压力,使其忙于元数据的传输/接收、日志的传输/切换,从而导致性能下降;同时,NameNode节点也不支持做并发检查点。

    2.3.1 节点职责

    SecondaryNameNode节点 定期把NameNode的 fsimage 和 edits 下载到本地,再将它们加载到内存并进行合并,最后把合并后新的 fsimage 返回NameNode (这个过程称为检查点)。

    经典问题:NameNode与SecondaryNameNode有没有关系?

    在这里插入图片描述

    SecondaryNameNode节点的工作流程可以参考这篇文章:

    其职责有以下两个方面:
    ① 防止edits过大
    定期合并 fsimage 和 edits 文件,使 edits 大小保持在限制范围内。这样做减少了重新启动NameNode时合并 fsimage 和 edits 耗费的时间,从而减少了NameNode启动的时间。
    在这里插入图片描述

    ② 做冷备份
    对一定范围内数据做快照性备份,在NameNode失效时能恢复部分 fsimage 。

    好了,HDFS 及其组成框架介绍完成。

    如果想进一步了解 HDFS 的工作机制,可以参考这篇文章:图文详解 HDFS 工作机制及其原理


    如果文章对您有帮助,请点个,留给评论支持一下😊,若有疑问可以私信留言😉。如果能给个三连(点赞收藏关注 )就最好啦😁。

    展开全文
  • HDFS全面详解

    万次阅读 多人点赞 2019-03-12 13:55:54
    文章目录课程大纲(HDFS详解)学习目标:HDFS基本概念篇1.1HDFS前言1.2HDFS的概念和特性HDFS基本操作篇2.1HDFS的shell(命令行客户端)操作2.1.1 HDFS命令行客户端使用2.2 命令行客户端支持的命令参数2.3 常用命令参数...

    课程大纲(HDFS详解)

    Hadoop HDFS 分布式文件系统DFS简介
    HDFS的系统组成介绍
    HDFS的组成部分详解
    副本存放策略及路由规则
    命令行接口
    Java接口
    客户端与HDFS的数据流讲解

    学习目标:

    掌握hdfs的shell操作
    掌握hdfs的java api操作
    理解hdfs的工作原理


    HDFS基本概念篇

    1.1HDFS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,tez,……)提供数据存储服务

    • 重点概念:文件切块,副本存放,元数据
      补充:
      hdfs是架在本地文件系统上面的分布式文件系统,它就是个软件,也就是用一套代码把底下所有机器的硬盘变成一个软件下的目录,和mysql没有什么区别,思想一样。
      mysql 本质是一个解析器,把sql变成io去读文件,再把数据转换出来给用户,存文件的底层就是使用linux或者windows的文件系统,文件名就是表名,目录名就是库名。

    1.2HDFS的概念和特性

    首先,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

    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;

    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,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)
    补充:同一个block不会存储多份(大于1)在同一个datanode上,因为这样没有意义。

    (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基本操作篇

    2.1HDFS的shell(命令行客户端)操作

    2.1.1 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:
    在这里插入图片描述

    2.2 命令行客户端支持的命令参数

    
            [-appendToFile <localsrc> ... <dst>]
            [-cat [-ignoreCrc] <src> ...]
            [-checksum <src> ...]
            [-chgrp [-R] GROUP PATH...]
            [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
            [-chown [-R] [OWNER][:[GROUP]] PATH...]
            [-copyFromLocal [-f] [-p] <localsrc> ... <dst>]
            [-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
            [-count [-q] <path> ...]
            [-cp [-f] [-p] <src> ... <dst>]
            [-createSnapshot <snapshotDir> [<snapshotName>]]
            [-deleteSnapshot <snapshotDir> <snapshotName>]
            [-df [-h] [<path> ...]]
            [-du [-s] [-h] <path> ...]
            [-expunge]
            [-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
            [-getfacl [-R] <path>]
            [-getmerge [-nl] <src> <localdst>]
            [-help [cmd ...]]
            [-ls [-d] [-h] [-R] [<path> ...]]
            [-mkdir [-p] <path> ...]
            [-moveFromLocal <localsrc> ... <dst>]
            [-moveToLocal <src> <localdst>]
            [-mv <src> ... <dst>]
            [-put [-f] [-p] <localsrc> ... <dst>]
            [-renameSnapshot <snapshotDir> <oldName> <newName>]
            [-rm [-f] [-r|-R] [-skipTrash] <src> ...]
            [-rmdir [--ignore-fail-on-non-empty] <dir> ...]
            [-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
            [-setrep [-R] [-w] <rep> <path> ...]
            [-stat [format] <path> ...]
            [-tail [-f] <file>]
            [-test -[defsz] <path>]
            [-text [-ignoreCrc] <src> ...]
            [-touchz <path> ...]
            [-usage [cmd ...]]
    
    

    2.3 常用命令参数介绍

    -help
    功能:输出这个命令参数手册

    -ls
    功能:显示目录信息
    示例: hadoop fs -ls hdfs://hadoop-server01:9000/
    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

    ==-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:这三个命令跟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

    补充: hadoop dfsadmin -report 用这个命令可以快速定位出哪些节点down掉了,HDFS的容量以及使用了多少,以及每个节点的硬盘使用情况。


    HDFS原理篇

    hdfs的工作机制

    (工作机制的学习主要是为加深对分布式系统的理解,以及增强遇到各种问题时的分析解决能力,形成一定的集群运维能力)

    注:很多不是真正理解hadoop技术体系的人会常常觉得HDFS可用于网盘类应用,但实际并非如此。要想将技术准确用在恰当的地方,必须对技术有深刻的理解

    3.1 概述

    1. HDFS集群分为两大角色:NameNode、DataNode (Secondary Namenode)
    2. NameNode负责管理整个文件系统的元数据(整个hdfs文件系统的目录树和每个文件的block信息)
    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

    3.2 HDFS写数据流程

    3.2.1 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

    3.2.2 详细步骤图

    在这里插入图片描述

    3.2.3 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。

    3.3. HDFS读数据流程

    3.3.1 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

    3.3.2 详细步骤图

    在这里插入图片描述

    3.3.3 详细步骤解析

    1. 跟namenode通信查询元数据,namenode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

    4 NAMENODE工作机制

    学习目标:理解namenode的工作机制尤其是元数据管理机制,以增强对HDFS工作原理的理解,及培养hadoop集群运营中“性能调优”、“namenode”故障问题的分析解决能力

    问题场景:

    1. 集群启动后,可以查看文件,但是上传文件时报错,打开web页面可看到namenode正处于safemode状态,怎么处理?
    2. Namenode服务器的磁盘故障导致namenode宕机,如何挽救集群及数据?
    3. Namenode是否可以有多个?namenode内存要配置多大?namenode跟集群数据存储能力有关系吗?
    4. 文件的blocksize究竟调大好还是调小好?
      ……

    诸如此类问题的回答,都需要基于对namenode自身的工作原理的深刻理解

    4.1 NAMENODE职责

    NAMENODE职责:
    负责客户端请求的响应
    元数据的管理(查询,修改)

    4.2 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(fsimage)
    • 数据操作日志文件(edits可通过日志运算出元数据)

    4.2.1 元数据存储机制(元数据是对象,有特定的数据结构,可以理解为hashmap结构)

    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

    补充:
    1、fsimage文件是线性结构,都是0和1,很难查找或者修改某条数据,所以才会定期checkpoint。
    2、edits记录的是操作步骤,类似于mysql的binlog
    3、fsimage记录的是这个文件备份了几份,分别叫什么名称
    在这里插入图片描述
    4、secondary namenode建议不和namenode在一个节点启动,因为它会拷贝元数据,加载到内存生成fsimage,会占用namenode的内存。(最简版)
    5、在hadoop的高可用机制+Federation机制中,没有SecondaryNamenode,可以通过启动SecondaryNamenode进行验证,会报一个错误:“它的功能被StandbyNamenode取代”。(在启动的那台机器的logs文件夹里面的SecondaryNamenode.log)。(完全版)

    4.2.2 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

    4.2.3 元数据的checkpoint

    每隔一段时间,会由secondary namenode将namenode上最新的edits(下载过的namenode会删除)和fsimage(第一次时会下载fsimage,以后不会)下载到secondary namenode中,并加载到内存进行merge(这个过程称为checkpoint)
    checkpoint的详细过程
    在这里插入图片描述

    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://KaTeX parse error: Expected 'EOF', got '#' at position 36: …/namesecondary #̲以上两个参数做checkpoi…{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。

    4.2.4 元数据目录说明

    在第一次部署好Hadoop集群的时候,我们需要在NameNode(NN)节点上格式化磁盘:

    $HADOOP_HOME/bin/hdfs namenode -format

    格式化完成之后,将会在$ dfs. namenode .name.dir/current目录下如下的文件结构

    current/
    |-- VERSION
    |-- edits_*
    |-- fsimage_0000000000008547077
    |-- fsimage_0000000000008547077.md5
    `-- seen_txid

    其中的dfs.name.dir是在hdfs-site.xml文件中配置的,默认值如下:

    <property>
      <name>dfs.name.dir</name>
      <value>file://${hadoop.tmp.dir}/dfs/name</value>
    </property>
    

    hadoop.tmp.dir是在core-site.xml中配置的,默认值如下

    <property>
      <name>hadoop.tmp.dir</name>
      <value>/tmp/hadoop-${user.name}</value>
      <description>A base for other temporary directories.</description>
    </property>
    

    dfs. namenode.name.dir属性可以配置多个目录,
    如/data1/dfs/name,/data2/dfs/name,/data3/dfs/name,…。各个目录存储的文件结构和内容都完全一样,相当于备份,这样做的好处是当其中一个目录损坏了,也不会影响到Hadoop的元数据,特别是当其中一个目录是NFS(网络文件系统Network File System,NFS)之上,即使你这台机器损坏了,元数据也得到保存。
    下面对$dfs. namenode .name.dir/current/目录下的文件进行解释。

    1. VERSION文件是Java属性文件,内容大致如下:

    #Fri Nov 15 19:47:46 CST 2013
    namespaceID=934548976
    clusterID=CID-cdff7d73-93cd-4783-9399-0a22e6dce196
    cTime=0
    storageType=NAME_NODE
    blockpoolID=BP-893790215-192.168.24.72-1383809616115
    layoutVersion=-47

    其中
      (1)、namespaceID是文件系统的唯一标识符,在文件系统首次格式化之后生成的;
      (2)、storageType说明这个文件存储的是什么进程的数据结构信息(如果是DataNode,storageType=DATA_NODE);
      (3)、cTime表示NameNode存储时间的创建时间,由于我的NameNode没有更新过,所以这里的记录值为0,以后对NameNode升级之后,cTime将会记录更新时间戳;
      (4)、layoutVersion表示HDFS永久性数据结构的版本信息, 只要数据结构变更,版本号也要递减,此时的HDFS也需要升级,否则磁盘仍旧是使用旧版本的数据结构,这会导致新版本的NameNode无法使用;
      (5)、clusterID是系统生成或手动指定的集群ID,在-clusterid选项中可以使用它;如下说明

    a、使用如下命令格式化一个Namenode:

    $HADOOP_HOME/bin/hdfs namenode -format [-clusterId <cluster_id>]

    选择一个唯一的cluster_id,并且这个cluster_id不能与环境中其他集群有冲突。如果没有提供cluster_id,则会自动生成一个唯一的ClusterID。
    b、使用如下命令格式化其他Namenode:

    $HADOOP_HOME/bin/hdfs namenode -format -clusterId <cluster_id>

    c、升级集群至最新版本。在升级过程中需要提供一个ClusterID,例如:

    $ HADOOP_PREFIX_HOME/bin/hdfs start namenode --config
    $ HADOOP_CONF_DIR -upgrade -clusterId <cluster_ID>

    如果没有提供ClusterID,则会自动生成一个ClusterID。
      (6)、blockpoolID:是针对每一个Namespace所对应的blockpool的ID,上面的这个BP-893790215-192.168.24.72-1383809616115就是在我的ns1的namespace下的存储块池的ID,这个ID包括了其对应的NameNode节点的ip地址。
      
    2. $dfs.namenode.name.dir/current/seen_txid非常重要,是存放transactionId的文件,format之后是0,它代表的是namenode里面的edits_*文件的尾数,namenode重启的时候,会按照seen_txid的数字,循序从头跑edits_0000001~到seen_txid的数字。所以当你的hdfs发生异常重启的时候,一定要比对seen_txid内的数字是不是你edits最后的尾数,不然会发生建置namenode时metaData的资料有缺少,导致误删Datanode上多余Block的资讯。

    1. $dfs.namenode.name.dir/current目录下在format的同时也会生成fsimage和edits文件,及其对应的md5校验文件。
      补充:seen_txid
      文件中记录的是edits滚动的序号,每次重启namenode时,namenode就知道要将哪些edits进行加载edits

    5 DATANODE的工作机制

    问题场景:
    1、集群容量不够,怎么扩容?
    2、如果有一些datanode宕机,该怎么办?
    3、datanode明明已启动,但是集群中的可用datanode列表中就是没有,怎么办?

    以上这类问题的解答,有赖于对datanode工作机制的深刻理解

    5.1 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>
    

    5.2 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:
    /home/hadoop/app/hadoop-2.4.1/tmp/dfs/data/current/BP-193442119-192.168.2.120-1432457733977/current/finalized

    5.3元数据目录(自己添加,实测有效)

    其中的dfs.data.dir是在hdfs-site.xml文件中配置的,默认值如下:

    <property>
      <name>dfs.data.dir</name>
      <value>file://${hadoop.tmp.dir}/dfs/name</value>
    </property>
    

    dfs. datanode data.dir属性可以配置多个目录,
    如/data1/dfs/ data,/data2/dfs/ data,/data3/dfs/ data,…。datanode配置多块磁盘后,会将这些磁盘统一看成它的空间。并发时有优势,可以往不同的磁盘写数据,磁盘可以并行。相当于扩容。

    补充:block块默认128M,最小配置为1M


    HDFS应用开发篇

    6. HDFS的java操作

    hdfs在生产应用中主要是客户端的开发,其核心步骤是从hdfs提供的api中构造一个HDFS的访问客户端对象,然后通过该客户端对象操作(增删改查)HDFS上的文件

    6.1 搭建开发环境

    1. 引入依赖
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>2.6.1</version>
    </dependency>
    

    注:如需手动引入jar包,hdfs的jar包----hadoop的安装目录的share下

    1. window下开发的说明
      建议在linux下进行hadoop应用的开发,不会存在兼容性问题。如在window上做客户端应用开发,需要设置以下环境:
      A、在windows的某个目录下解压一个hadoop的安装包
      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
      D、在windows系统的path变量中加入hadoop的bin目录

    6.2 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

    6.3 DistributedFileSystem实例对象所具备的方法

    在这里插入图片描述

    6.4 HDFS客户端操作数据代码示例:

    6.4.1 文件的增删改查

    public class HdfsClient {
    
    	FileSystem fs = null;
    
    	@Before
    	public 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 conf = new Configuration();
    		conf.set("fs.defaultFS", "hdfs://hdp-node01:9000");
    		/**
    		 * 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、然后是服务器的默认配置
    		 */
    		conf.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(conf);
    
    		// 如果这样去获取,那conf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hadoop用户
    		fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");
    
    	}
    
    	/**
    	 * 往hdfs上传文件
    	 * 
    	 * @throws Exception
    	 */
    	@Test
    	public void testAddFileToHdfs() throws Exception {
    
    		// 要上传的文件所在的本地路径
    		Path src = new Path("g:/redis-recommend.zip");
    		// 要上传到hdfs的目标路径
    		Path dst = new Path("/aaa");
    		fs.copyFromLocalFile(src, dst);
    		fs.close();
    	}
    
    	/**
    	 * 从hdfs中复制文件到本地文件系统
    	 * 
    	 * @throws IOException
    	 * @throws IllegalArgumentException
    	 */
    	@Test
    	public void testDownloadFileToLocal() throws IllegalArgumentException, IOException {
    		fs.copyToLocalFile(new Path("/jdk-7u65-linux-i586.tar.gz"), new Path("d:/"));
    		fs.close();
    	}
    
    	@Test
    	public void testMkdirAndDeleteAndRename() throws IllegalArgumentException, IOException {
    
    		// 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("/aaa"), 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 IOException
    	 * @throws IllegalArgumentException
    	 * @throws FileNotFoundException
    	 */
    	@Test
    	public void testListFiles() throws FileNotFoundException, IllegalArgumentException, IOException {
    
    		// 思考:为什么返回迭代器,而不是List之类的容器
    		RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
    
    		while (listFiles.hasNext()) {
    			LocatedFileStatus fileStatus = listFiles.next();
    			System.out.println(fileStatus.getPath().getName());
    			System.out.println(fileStatus.getBlockSize());
    			System.out.println(fileStatus.getPermission());
    			System.out.println(fileStatus.getLen());
    			BlockLocation[] blockLocations = fileStatus.getBlockLocations();
    			for (BlockLocation bl : blockLocations) {
    				System.out.println("block-length:" + bl.getLength() + "--" + "block-offset:" + bl.getOffset());
    				String[] hosts = bl.getHosts();
    				for (String host : hosts) {
    					System.out.println(host);
    				}
    			}
    			System.out.println("--------------为angelababy打印的分割线--------------");
    		}
    	}
    
    	/**
    	 * 查看文件及文件夹信息
    	 * 
    	 * @throws IOException
    	 * @throws IllegalArgumentException
    	 * @throws FileNotFoundException
    	 */
    	@Test
    	public void testListAll() throws FileNotFoundException, IllegalArgumentException, IOException {
    
    		FileStatus[] listStatus = fs.listStatus(new Path("/"));
    
    		String flag = "d--             ";
    		for (FileStatus fstatus : listStatus) {
    			if (fstatus.isFile())  flag = "f--         ";
    			System.out.println(flag + fstatus.getPath().getName());
    		}
    	}
    }
    

    6.4.2 通过流的方式访问hdfs

    /**
     * 相对那些封装好的方法而言的更底层一些的操作方式
     * 上层那些mapreduce   spark等运算框架,去hdfs中获取数据的时候,就是调的这种底层的api
     * @author
     *
     */
    public class StreamAccess {
    	
    	FileSystem fs = null;
    
    	@Before
    	public void init() throws Exception {
    
    		Configuration conf = new Configuration();
    		fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");
    
    	}
    	
    		/**
    	 * 通过流的方式上传文件到hdfs
    	 * @throws Exception
    	 */
    	@Test
    	public void testUpload() throws Exception {
    		
    		FSDataOutputStream outputStream = fs.create(new Path("/angelababy.love"), true);
    		FileInputStream inputStream = new FileInputStream("c:/angelababy.love");
    		
    		IOUtils.copy(inputStream, outputStream);
    		
    	}
    	
    	@Test
    	public void testDownLoadFileToLocal() throws IllegalArgumentException, IOException{
    		
    		//先获取一个文件的输入流----针对hdfs上的
    		FSDataInputStream in = fs.open(new Path("/jdk-7u65-linux-i586.tar.gz"));
    		
    		//再构造一个文件的输出流----针对本地的
    		FileOutputStream out = new FileOutputStream(new File("c:/jdk.tar.gz"));
    		
    		//再将输入流中数据传输到输出流
    		IOUtils.copyBytes(in, out, 4096);
    		
    		
    	}
    	
    	
    	/**
    	 * 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 IllegalArgumentException
    	 * @throws IOException
    	 */
    	@Test
    	public void testRandomAccess() throws IllegalArgumentException, IOException{
    		//先获取一个文件的输入流----针对hdfs上的
    		FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));
    		
    		
    		//可以将流的起始偏移量进行自定义
    		in.seek(22);
    		
    		//再构造一个文件的输出流----针对本地的
    		FileOutputStream out = new FileOutputStream(new File("c:/iloveyou.line.2.txt"));
    		
    		IOUtils.copyBytes(in,out,19L,true);
    		
    	}
    	
    	
    	
    	/**
    	 * 显示hdfs上文件的内容
    	 * @throws IOException 
    	 * @throws IllegalArgumentException 
    	 */
    	@Test
    	public void testCat() throws IllegalArgumentException, IOException{
    		
    		FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));
    		
    		IOUtils.copyBytes(in, System.out, 1024);
    	}
    }
    

    6.4.3 场景编程

    在mapreduce 、spark等运算框架中,有一个核心思想就是将运算移往数据,或者说,就是要在并发计算中尽可能让运算本地化,这就需要获取数据所在位置的信息并进行相应范围读取
    以下模拟实现: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

    	@Test
    	public void testCat() throws IllegalArgumentException, IOException{
    		
    		FSDataInputStream in = fs.open(new Path("/weblog/input/access.log.10"));
    		//拿到文件信息
    		FileStatus[] listStatus = fs.listStatus(new Path("/weblog/input/access.log.10"));
    		//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
    //		IOUtils.copyBytes(in, System.out, (int)length);
    		byte[] b = new byte[4096];
    		
    		FileOutputStream os = new FileOutputStream(new File("d:/block0"));
    		while(in.read(offset, b, 0, 4096)!=-1){
    			os.write(b);
    			offset += 4096;
    			if(offset>=length) return;
    		};
    		os.flush();
    		os.close();
    		in.close();
    	}
    

    7. 案例1:开发shell采集脚本

    7.1需求说明

    点击流日志每天都10T,在业务应用服务器上,需要准实时上传至数据仓库(Hadoop HDFS)上

    7.2需求分析

    一般上传文件都是在凌晨24点操作,由于很多种类的业务数据都要在晚上进行传输,为了减轻服务器的压力,避开高峰期。
    如果需要伪实时的上传,则采用定时上传的方式

    7.3技术分析

    HDFS SHELL: hadoop fs –put xxxx.tar /data 还可以使用 Java Api
    满足上传一个文件,不能满足定时、周期性传入。
    定时调度器:
    Linux crontab
    crontab -e
    */5 * * * * $home/bin/command.sh //五分钟执行一次
    系统会自动执行脚本,每5分钟一次,执行时判断文件是否符合上传规则,符合则上传

    7.4实现流程

    7.4.1日志产生程序

    日志产生程序将日志生成后,产生一个一个的文件,使用滚动模式创建文件名。
    在这里插入图片描述
    日志生成的逻辑由业务系统决定,比如在log4j配置文件中配置生成规则,如:当xxxx.log 等于10G时,滚动生成新日志

    log4j.logger.msg=info,msg
    log4j.appender.msg=cn.maoxiangyi.MyRollingFileAppender
    log4j.appender.msg.layout=org.apache.log4j.PatternLayout
    log4j.appender.msg.layout.ConversionPattern=%m%n
    log4j.appender.msg.datePattern='.'yyyy-MM-dd
    log4j.appender.msg.Threshold=info
    log4j.appender.msg.append=true
    log4j.appender.msg.encoding=UTF-8
    log4j.appender.msg.MaxBackupIndex=100
    log4j.appender.msg.MaxFileSize=10GB
    log4j.appender.msg.File=/home/hadoop/logs/log/access.log
    

    细节:
    1、如果日志文件后缀是1\2\3等数字,该文件满足需求可以上传的话。把该文件移动到准备上传的工作区间。
    2、工作区间有文件之后,可以使用hadoop put命令将文件上传。

    阶段问题:
    1、待上传文件的工作区间的文件,在上传完成之后,是否需要删除掉。

    7.4.2伪代码

    使用ls命令读取指定路径下的所有文件信息,
    ls | while read line
    //判断line这个文件名称是否符合规则
    if line=access.log.* (
    将文件移动到待上传的工作区间
    )

    //批量上传工作区间的文件
    hadoop fs –put xxx

    脚本写完之后,配置linux定时任务,每5分钟运行一次。

    7.5代码实现

    代码第一版本,实现基本的上传功能和定时调度功能
    在这里插入图片描述

    代码第二版本:增强版V2(基本能用,还是不够健全)
    在这里插入图片描述
    在这里插入图片描述

    7.6效果展示及操作步骤

    1、日志收集文件收集数据,并将数据保存起来,效果如下:
    在这里插入图片描述
    2、上传程序通过crontab定时调度
    在这里插入图片描述
    3、程序运行时产生的临时文件
    在这里插入图片描述
    4、Hadoo hdfs上的效果
    在这里插入图片描述

    8. 案例2:开发JAVA采集程序

    8.1 需求

    从外部购买数据,数据提供方会实时将数据推送到6台FTP服务器上,我方部署6台接口采集机来对接采集数据,并上传到HDFS中

    提供商在FTP上生成数据的规则是以小时为单位建立文件夹(2016-03-11-10),每分钟生成一个文件(00.dat,01.data,02.dat,…)

    提供方不提供数据备份,推送到FTP服务器的数据如果丢失,不再重新提供,且FTP服务器磁盘空间有限,最多存储最近10小时内的数据

    由于每一个文件比较小,只有150M左右,因此,我方在上传到HDFS过程中,需要将15分钟时段的数据合并成一个文件上传到HDFS

    为了区分数据丢失的责任,我方在下载数据时最好进行校验

    8.2 设计分析

    在这里插入图片描述

    • 文章是个人知识点整理总结,如有错误和不足之处欢迎指正。
    • 如有疑问、或希望与笔者探讨技术问题(包括但不限于本章内容),欢迎添加笔者微信(o815441)。请备注“探讨技术问题”。欢迎交流、一起进步。
    展开全文
  • HDFS基础】HDFS文件目录详解

    万次阅读 2017-07-28 16:09:26
    HDFS的文件目录图分析:从上图可以看出,HDFS的文件目录主要由NameNode、SecondaryNameNode和DataNode组成,而NameNode和DataNode之间由心跳机制通信。注: HDFS(Hadoop Distributed File System)默认的存储单位是...
  • HDFS精讲

    万人学习 2015-09-09 16:58:03
    讲解HDFS的Java、shell操作,HDFS集群搭建
  • 大数据_05 【hadoop HDFS-基本介绍】

    万次阅读 2020-10-08 09:41:43
    大数据_05 【hadoop HDFS】01 Hadoop组成02 Hadoop的文件系统介绍03 HDFS分块存储05 HDFS副本机制 01 Hadoop组成 Hadoop HDFS:一个高可靠、高吞吐量的分布式文件系统,对海量数据的存储。 Hadoop MapReduce:一个...
  • HDFS Exception

    2017-09-26 07:44:18
    This doc describe the detail handing of HDFS READ/WRITE exception, which is helpful to understand HDFS infrastructure.
  • HDFS命令:hdfs dfs

    2020-07-24 21:24:50
    操作HDFS命令: hdfs dfs 0.帮助命令 hdfs dfs -help hdfs dfs -help put 1.建立一个账号目录 -mkdir -p hdfs dfs -mkdir -p /user/hadoop03 2.在当前账号下新建一个文件夹 hdfs dfs -mkdir input 3.上传本地文件...
  • 大数据_07 【hadoop HDFS的shell命令操作】01 基本语法02 常用普通命令实操03 HDFS常用高级命令04 HDFS适用场景05 HDFS不适用场景06 hdfs的安全模式 01 基本语法 基本语法 bin/hdfs dfs 具体命令 02 常用普通命令...
  • HDFS配置文件hdfs-site

    2018-05-31 17:15:25
    HDFS测试环境配置文件,稳定运行无异常,分享给大家学习参考用;
  • 之前一直使用hdfs的命令进行hdfs操作,比如: hdfs dfs -ls /user/spark/ hdfs dfs -get /user/spark/a.txt /home/spark/a.txt #从HDFS获取数据到本地 hdfs dfs -put -f /home/spark/a.txt /user/spark/a.txt #从...
  • HDFS文件 HDFS.jl 包装了 HDFS C 库libhdfs并提供类似于 Julia Filesystem API 的 API,可用于直接访问 HDFS 文件。 类型 文件系统 保存文件系统的句柄以及连接规范(主机、端口和用户名)。 它可以从对hdfs_connect...
  • HDFS介绍

    千次阅读 2020-10-12 20:32:44
    HDFS 基本介绍 目标:掌握什么是HDFSHDFS的使用场景,组成部分。 HDFS 是 Hadoop Distribute File System 的简称,意为:Hadoop 分布式文件系统。是 Hadoop 核心组件之一,作为最底层的分布式存储服务而存在。 ...
  • HDFS概述

    千次阅读 2020-08-18 17:02:45
    目录 ...二、HDFS优缺点 2.1 优点 2.2 缺点 三、HDFS组成架构 四、HDFS文件块大小 一、定义 二、HDFS优缺点 2.1 优点 2.2 缺点 三、HDFS组成架构 四、HDFS文件块大小 ...
  • 大数据HDFS详解

    2019-07-09 15:38:56
    Hadoop是一个由Apache基金会所开发的分布式系统基础架,是当前最火爆的大数据应用框架,Hadoop的框架最核心的设计就是:HDFS和MapReduce。HDFS为海量的数据提供了存储,而MapReduce则为海量的数据提供了计算.hdfs作为...
  • Go的HDFS 这是hdfs的本地golang客户端。 它使用协议缓冲区API直接连接到namenode。 它尝试通过在可能的情况下对stdlib os包进行os.FileInfo来使其成为惯用语言,并从中实现接口,包括os.FileInfo和os.PathError 。...
  • $ hdfs = new \ Hdfs \ Cli (); 实例化 WebHDFS 实现: $ hdfs = new \ Hdfs \ Web (); $ hdfs -> configure ( $ host , $ port , $ user ); 更改本地文件系统的包装器。 如果您需要 hdfs 与另一个远程服务而...
  • HDFS常用命令hdfs dfs

    千次阅读 2019-08-08 16:33:40
    1.hdfs dfs、hadoop fs、hadoop dfs三个命令的区别 在介绍命令之前,首先要知道hdfs dfs、hadoop fs、hadoop dfs三个命令的区别。 hadoop fs:通用的文件系统命令,针对任何系统,比如本地文件、HDFS文件、HFTP...
  • HDFS(一)HDFS基本介绍

    千次阅读 2020-12-25 16:01:02
    HDFS基本介绍HDFS的Master-Slave结构HDFS角色作用简介HDFS 分块存储抽象成数据块的好处HDFS 副本机制名字空间(NameSpace)NameNode 功能DataNode 功能 HDFS 是 Hadoop Distribute File System 的简称,意为:Hadoop...
  • HDFS实验二:部署HDFS/学习搭建HDFS

    千次阅读 2019-03-11 20:24:43
    一、HDFS实验:部署HDFS指导 2.1 实验目的 1. 理解HDFS存在的原因; 2. 理解HDFS体系架构; 3. 理解master/slave架构; 4. 理解为何配置文件里只需指定主服务、无需指定从服务; 5. 理解为何需要客户端...
  • HDFS浏览器

    2017-11-08 20:15:55
    原创HDFS浏览器windows版,基于java,需要JDK1.7以上,另外hadoop在windows上的依赖资源一并献上。功能:连接,断开,浏览文件,上传,下载(包括文件夹),删除(递归)删除。
  • windows平台下的HDFS文件浏览器,就像windows管理器一样管理你的hdfs文件系统。现在官网已经停止更新这款软件。具体配置如下: HDFS配置页面及端口http://master:50070 配置HDFS服务器 配置WebHDFS HDFS Explorer...
  • HDFS基本介绍

    万次阅读 2019-11-11 20:08:17
    HDFS使用Master和Slave结构对集群进行管理,一般一个HDFS集群只有一个Namenode和一定数目的Datanode组成,Namenode 是 HDFS 集群主节点,Datanode 是 HDFS 集群从节点,两种角色各司其职,共同协调完成分布式的文件...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 335,477
精华内容 134,190
关键字:

hdfs