HDFS介绍及结构和shell操作

1.分布式文件系统与HDFS

Ø 什么是分布式文件系统？

当数据量越来越多，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 （Distributed File System）。

 

l 分布式文件系统的定义：

是一种允许文件通过网络在多台主机上分享的文件的系统，可让多机器上的多用户分享文件和存储空间。

 

l 分布式文件系统特点：

 

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。

注意：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。

2.HDFS体系结构与基本概念

Ø 思考：分布式文件系统的设计思想

Ø HDFS是什么？

Hadoop Distributed File System(简称HDFS)是Hadoop分布式文件系统。

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。

Ø HDFS体系结构

l NameNode:名字节点

 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。

 文件包括：hdfs-site.xml的dfs.name.dir属性

² fsimage:元数据镜像文件。存储某一时段NameNode内存元数据信息。

² edits:操作日志文件。

² 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。

l DataNode：数据节点

DateNode提供真实文件数据的存储服务。

说明：DataNode是文件系统的工作节点，他们根据客户端或者是namenode的调度存储和检索数据，并且定期向namenode发送他们所存储的块(block)的列表。

 

 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.

可以在配置里指定dfs.block.size属性的大小.

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指定多副本。默认是三个。

hdfs-site.xml的dfs.replication属性。

3.HDFS的shell操作

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

l 所有的FS shell命令使用URI路径作为参数。

URI格式是scheme://authority/path。HDFS的scheme是hdfs，对本地文件系统，scheme是file。其中scheme和authority参数都是可选的，如果未加指定，就会使用配置中指定的默认scheme。

例如：/parent/child可以表示成hdfs://namenode:namenodePort/parent/child，或者更简单的/parent/child（假设配置文件是namenode:namenodePort）

l 大多数FS Shell命令的行为和对应的Unix Shell命令类似。

 

Ø HDFS常见的shell操作有以下三种：

命令格式： 

hadoop fs {args}

hadoop dfs {args}

hdfs dfs {args}

说明：

hadoop fs：使用面最广，可以操作任何文件系统。

hadoop dfs与hdfs dfs：只能操作HDFS文件系统相关（包括与Local  FS间的操作），前者已经Deprecated，一般使用后者。

 

Ø 列举一些常用的HDFS的shell

格式：hdfs  dfs  【选项】【参数】

常用的选项如下：

-help [cmd] //显示命令的帮助信息

-ls(r) <path> //显示当前目录下所有文件

-du(s) <path> //显示目录中所有文件大小

-count[-q] <path> //显示目录中文件数量

-mv <src> <dst> //移动多个文件到目标目录

-cp <src> <dst> //复制多个文件到目标目录

-rm(r) //删除文件(夹)

-put <localsrc> <dst> //本地文件复制到hdfs

-copyFromLocal //同put

-moveFromLocal //从本地文件移动到hdfs

-get [-ignoreCrc] <src> <localdst> //复制文件到本地，可以忽略crc校验

-getmerge <src> <localdst> //将源目录中的所有文件排序合并到一个文件中

-cat <src> //在终端显示文件内容

-text <src> //在终端显示文件内容

-copyToLocal [-ignoreCrc] <src> <localdst> //复制到本地

-moveToLocal <src> <localdst>

-mkdir <path> //创建文件夹

-touchz <path> //创建一个空文件