Hadoop核心组件：四步通晓HDFS

Posted 2020-08-23

Hadoop分布式文件系统(HDFS)被设计成适合运行在通用硬件上的分布式文件系统，它提供高吞吐量来访问应用程序的数据，适合那些有着超大数据集的应用程序，那么在实际应用中我们如何来操作使用呢？

一、HDFS操作方式：

1、  命令行操作

–FsShell：
$ hdfs dfs

2、 其他的计算框架-如spark

通过URI，比如： hdfs://nnhost:port/file…，调用HDFS的协议、主机、端口或者对外提供的服务媒、以及文件，在spark的程序中实现对HDFS的访问。

 

3、  其他程序：

（1）Java的API，借助于其他的一些计算框架或者分析工具都可以访问HDFS，如Sqoop加载数据到HDFS，Flume加载日志到HDFS，Impala基于HDFS进行查询

（2）REST API：通过HTP的方式访问HDFS。

 

二、重点关注HDFS命令行的方式：

    （1）从本地磁盘拷贝文件foo.txt到HDFS的用户目录

–   文件将会拷贝到/user/username/foo.txt

（2）获取用户home目录的目录列表

（3）获取HDFS的根目录

（4）显示HDFS文件/user/fred/bar.txt内容

（5）拷贝文件到本地磁盘，命名为baz.txt

（6）在用户home目录下创建input目录

     （7）删除input_old目录和所有里面的内容

 

三、通过HUe进行操作。

通过File Browser可以浏览和管理HDFS的目录和文件,也可以创建、移动、重命名、修改、上传、下载和删除目录和文件,以及查看文件内容

 

四、HDFS推荐

HDFS是所有数据的仓库，在使用HDFS的时候应该对其目录（如日志目录、数据目录）进行合理地规划和组织。最佳实践方式是定义标准目录结构以及把阶段临时的数据分开。规划示例如下：

（1）/user-用户目录，存放属于个别用户的数据和配置信息

（2）/etl-ETL阶段的数据

（3）/tmp-临时生成的用户在用户间共享的数据

（4）/data-整个组织用来分析的和处理的数据集

（5）/app-非数据文件，比如：配置文件，JAR文件，SQL文件等

 

 

    掌握以上四步对于应用HDFS有着重要的作用和意义，但是大家应该根据自己的情况循序渐进，注重实践，才可以不断取得进步。我平时喜欢找一些案例进行分析，从而锻炼提升自己的技能，这个比较喜欢“大数据cn ”这个微信服务平台。但是真知更多源于实践，只有学习和了解他人的经验，才可以走的更高更远，我爱关注微信订阅号“大数据时代学习中心”，研究各位数据大牛的经验分享，对于促进我个人的技术成长有着非凡的意义。