分布式文件系统 HDFS

Posted 2021-12-28 ZSYL

分布式文件系统 HDFS

• HDFS的使用
• HDFS shell操作
• HDFS shell操作练习
• HDFS设计思路
• HDFS架构
• HDFS环境搭建

课程目标：

• 知道什么是hdfs
• 说出hdfs的架构
• 能够掌握hdfs的环境搭建
• 能够掌握hdfs shell的基本使用
• 知道hdfs shell的优缺点

HDFS的使用

• 启动HDFS

  • 来到$HADOOP_HOME/sbin目录下
  • 执行start-dfs.sh

  [hadoop@hadoop00 sbin]$ ./start-dfs.sh
  

  • 可以看到 namenode和 datanode启动的日志信息

  Starting namenodes on [hadoop00]
  hadoop00: starting namenode, logging to /home/hadoop/app/hadoop-2.6.0-cdh5.7.0/logs/hadoop-hadoop-namenode-hadoop00.out
  localhost: starting datanode, logging to /home/hadoop/app/hadoop-2.6.0-cdh5.7.0/logs/hadoop-hadoop-datanode-hadoop00.out
  Starting secondary namenodes [0.0.0.0]
  0.0.0.0: starting secondarynamenode, logging to /home/hadoop/app/hadoop-2.6.0-cdh5.7.0/logs/hadoop-hadoop-secondarynamenode-hadoop00.out
  

  • 通过jps命令查看当前运行的进程

  [hadoop@hadoop00 sbin]$ jps
  4416 DataNode
  4770 Jps
  4631 SecondaryNameNode
  4251 NameNode
  

  • 可以看到 NameNode DataNode 以及 SecondaryNameNode 说明启动成功

• 通过可视化界面查看HDFS的运行情况

  • 通过浏览器查看 主机ip:50070端口

• Overview界面查看整体情况

• Datanodes界面查看datanode的情况

HDFS shell操作

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

  • ls

    使用方法：hadoop fs -ls

    如果是文件，则按照如下格式返回文件信息：
    文件名 <副本数> 文件大小 修改日期 修改时间 权限 用户ID 组ID
    如果是目录，则返回它直接子文件的一个列表，就像在Unix中一样。目录返回列表的信息如下：
    目录名

    修改日期 修改时间 权限 用户ID 组ID
    示例：
    hadoop fs -ls /user/hadoop/file1 /user/hadoop/file2 hdfs://host:port/user/hadoop/dir1 /nonexistentfile
    返回值：
    成功返回0，失败返回-1。

  • text

    使用方法：hadoop fs -text

    将源文件输出为文本格式。允许的格式是zip和TextRecordInputStream。

  • mv

  使用方法：hadoop fs -mv URI [URI …]

  将文件从源路径移动到目标路径。这个命令允许有多个源路径，此时目标路径必须是一个目录。不允许在不同的文件系统间移动文件。
  示例：

  • hadoop fs -mv /user/hadoop/file1 /user/hadoop/file2
  • hadoop fs -mv hdfs://host:port/file1 hdfs://host:port/file2 hdfs://host:port/file3 hdfs://host:port/dir1

  返回值：

  成功返回0，失败返回-1。

  • put

    使用方法：hadoop fs -put …

    从本地文件系统中复制单个或多个源路径到目标文件系统。也支持从标准输入中读取输入写入目标文件系统。

    • hadoop fs -put localfile /user/hadoop/hadoopfile
    • hadoop fs -put localfile1 localfile2 /user/hadoop/hadoopdir
    • hadoop fs -put localfile hdfs://host:port/hadoop/hadoopfile
    • hadoop fs -put - hdfs://host:port/hadoop/hadoopfile
      从标准输入中读取输入。

    返回值：

    成功返回0，失败返回-1。

  • rm

  使用方法：hadoop fs -rm URI [URI …]

  删除指定的文件。只删除非空目录和文件。请参考rmr命令了解递归删除。
  示例：

  • hadoop fs -rm hdfs://host:port/file /user/hadoop/emptydir

  返回值：

  成功返回0，失败返回-1。

• http://hadoop.apache.org/docs/r1.0.4/cn/hdfs_shell.html

HDFS shell操作练习

• 在centos 中创建 test.txt

  touch test.txt
  

• 在centos中为test.txt 添加文本内容

  vi test.txt
  

• 在HDFS中创建 hadoop001/test 文件夹

  hadoop fs -mkdir -p /hadoop001/test
  

• 把text.txt文件上传到HDFS中

  hadoop fs -put test.txt /hadoop001/test/
  

• 查看hdfs中 hadoop001/test/test.txt 文件内容

  hadoop fs -cat /hadoop001/test/test.txt
  

• 将hdfs中 hadoop001/test/test.txt文件下载到centos

  hadoop fs -get /hadoop001/test/test.txt test.txt
  

• 删除HDFS中 hadoop001/test/

  hadoop fs -rm -r /hadoop001

HDFS设计思路

• 分布式文件系统的设计思路：

• HDFS的设计目标
  • 适合运行在通用硬件(commodity hardware)上的分布式文件系统
  • 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
  • 容易扩展，为用户提供性能不错的文件存储服务

HDFS架构

• 1个NameNode/NN(Master) 带 DataNode/DN(Slaves) (Master-Slave结构)
• 1个文件会被拆分成多个Block
• NameNode(NN)
  • 负责客户端请求的响应
  • 负责元数据（文件的名称、副本系数、Block存放的DN）的管理
    • 元数据 MetaData 描述数据的数据
  • 监控DataNode健康状况 10分钟没有收到DataNode报告认为Datanode死掉了
• DataNode(DN)
  • 存储用户的文件对应的数据块(Block)
  • 要定期向NN发送心跳信息，汇报本身及其所有的block信息，健康状况
• 分布式集群NameNode和DataNode部署在不同机器上

• HDFS优缺点
  • 优点
    • 数据冗余 硬件容错
    • 适合存储大文件
    • 处理流式数据
    • 可构建在廉价机器上
  • 缺点
    • 低延迟的数据访问
    • 小文件存储

HDFS环境搭建

• 下载jdk 和 hadoop 放到 ~/software目录下 然后解压到 ~/app目录下

  tar -zxvf 压缩包名字 -C ~/app/
  

• 配置环境变量

  vi ~/.bash_profile
  export JAVA_HOME=/home/hadoop/app/jdk1.8.0_91
  export PATH=$JAVA_HOME/bin:$PATH
  export HADOOP_HOME=/home/hadoop/app/hadoop......
  export PATH=$HADOOP_HOME/bin:$PATH
  
  #保存退出后
  source ~/.bash_profile
  

• 进入到解压后的hadoop目录 修改配置文件

  • 配置文件作用

    • core-site.xml 指定hdfs的访问方式
    • hdfs-site.xml 指定namenode 和 datanode 的数据存储位置
    • mapred-site.xml 配置mapreduce
    • yarn-site.xml 配置yarn

  • 修改hadoop-env.sh

  cd etc/hadoop
  vi hadoop-env.sh
  #找到下面内容添加java home
  export_JAVA_HOME=/home/hadoop/app/jdk1.8.0_91
  

  • 修改 core-site.xml 在 节点中添加

  <property>
    <name>fs.default.name</name>
    <value>hdfs://hadoop000:8020</value>
  </property>
  

  • 修改hdfs-site.xml 在 configuration节点中添加

  <property>
      <name>dfs.namenode.name.dir</name>
      <value>/home/hadoop/app/tmp/dfs/name</value>
  </property>
  <property>
      <name>dfs.datanode.data.dir</name>
      <value>/home/hadoop/app/tmp/dfs/data</value>
  </property>
  <property>
      <name>dfs.replication</name>
      <value>1</value>
  </property>
  

  • 修改 mapred-site.xml
  • 默认没有这个 从模板文件复制

  cp mapred-site.xml.template mapred-site.xml
  

  ​ 在mapred-site.xml 的configuration 节点中添加

  <property>
      <name>mapreduce.framework.name</name>
      <value>yarn</value>
  </property>
  

  • 修改yarn-site.xml configuration 节点中添加

  <property>
      <name>yarn.nodemanager.aux-services</name>
      <value>mapreduce_shuffle</value>
  </property>
  

• 来到hadoop的bin目录

  ./hadoop namenode -format (这个命令只运行一次)
  

• 启动hdfs 进入到 sbin

  ./start-dfs.sh
  

• 启动启动yarn 在sbin中

---

加油!

感谢!

努力!