Hadoop3 - HDFS 介绍及 Shell Cli 操作

Posted 2023-01-12 小毕超

一、HDFS

上篇文章搭建了 Hadoop 集群，包含 HDFS 集群和 YARN 集群，本篇文章针对 HDFS 进行详细讲解与使用，下面是上篇文章的地址：

https://blog.csdn.net/qq_43692950/article/details/127158935

HDFS（Hadoop Distributed File System）是 Apache Hadoop 项目的一个子项目，它的设计初衷是为了能够支持高吞吐和超大文件读写操作，能够在普通硬件上运行的分布式文件系统，高度容错，适应于具有大数据集的应用程序，非常适于存储大型数据 (比如 TB 和 PB)，HDFS使用多台计算机存储文件, 并且提供统一的访问接口, 像是访问一个普通文件系统一样使用分布式文件系统。

HDFS 适合的应用场景：

• 存储大文件，这里非常大指的是几百M、G、或者TB级别，需要高吞吐量，对延时没有要求。
• 基于流的数据访问方式一次写入、多次读取，数据集经常从数据源生成或者拷贝一次，然后在其上做很多分析工作 ，且不支持文件的随机修改。
• 适合用来做大数据分析的底层存储服务，并不适合用来做网盘等应用，因为，修改不方便，延迟大，网络开销大，成本太高。
• 不需要特别贵的机器，可运行于普通廉价机器，节约成本
• 需要高容错性
• 为数据存储提供所需的扩展能力

不适合的应用场景：

• 低延时的数据访问 对延时要求在毫秒级别的应用，不适合采用HDFS。HDFS是为高吞吐数据传输设计的,因此可能牺牲延时
• 大量小文件的元数据保存在NameNode的内存中， 整个文件系统的文件数量会受限于NameNode的内存大小。 经验而言，一个文件/目录/文件块一般占有150字节的元数据内存空间。如果有100万个文件，每个文件占用1个文件块，则需要大约300M的内存。因此十亿级别的文件数量在现有商用机器上难以支持
• 多方读写，需要任意的文件修改 HDFS采用追加（append-only）的方式写入数据。不支持文件任意offset的修改，HDFS适合用来做大数据分析的底层存储服务，并不适合用来做.网盘等应用，因为，修改不方便，延迟大，网络开销大，成本太高。

HDFS的架构：

HDFS 采用 master/slave架构。一般一个HDFS集群是有一个Namenode和一定数目的Datanode组成。Namenode是HDFS主节点，Datanode是HDFS从节点，两种角色各司其职，共同协调完成分布式的文件存储服务。

其中 Datanode 主要负责实际的存储，而 Namenode 则负责存储一些元数据，如：
文件自身属性信息（文件名称、权限，修改时间，文件大小，复制因子，数据块大小）、文件块位置映射信息（记录文件块和DataNode之间的映射信息，即哪个块位于哪个节点上）

HDFS 中的文件在物理上是分块存储（block）的，块的大小可以通过配置参数来规定，参数位于hdfs-default.xml中：dfs.blocksize。默认大小是128M（134217728）。假如上传了一个 200M 的文件，则会分成 128M、72M 两个文件，存储在不同的 DataNode 节点上。

为了容错，文件的所有block都会有副本。每个文件的block大小（dfs.blocksize）和副本系数（dfs.replication）都是可配置的。应用程序可以指定某个文件的副本数目。副本系数可以在文件创建的时候指定，也可以在之后通过命令改变。默认dfs.replication的值是3，也就是会额外再复制2份，连同本身总共3份副本。

Namespace :

HDFS支持传统的层次型文件组织结构。用户可以创建目录，然后将文件保存在这些目录里。文件系统名字空间的层次结构和大多数现有的文件系统类似：用户可以创建、删除、移动或重命名文件。

Namenode负责维护文件系统的namespace名称空间，任何对文件系统名称空间或属性的修改都将被Namenode记录下来。

HDFS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/test1/text.txt。

下面通过 HDFS Shell 客户端对 HDFS 进行操作，请确保已经安装好 Hadoop 环境。

二、Shell Cli 操作

Hadoop提供了文件系统的shell命令行客户端，使用方法如下：

hdfs [OPTIONS] SUBCOMMAND [SUBCOMMAND OPTIONS]  SUBCOMMAND：Admin Commands、Client Commands、Daemon Commands。

HDFS Shell CLI支持操作多种文件系统，包括本地文件系统（file:///）、分布式文件系统（hdfs://nn:8020）等，操作的是什么文件系统取决于URL中的前缀协议。如果没有指定前缀，则将会读取环境变量中的fs.defaultFS属性，以该属性值作为默认文件系统。

hadoop dfs、hdfs dfs、 hadoop fs 三者区别：

• hadoop dfs 只能操作HDFS文件系统（包括与Local FS间的操作），不过已经Deprecated
• hdfs dfs 只能操作HDFS文件系统相关（包括与Local FS间的操作）,常用
• hadoop fs 可操作任意文件系统，不仅仅是hdfs文件系统，使用范围更广

官方文档地址：https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-common/FileSystemShell.html

下面我们使用 hadoop fs 进行演示：

• 查看指定目录下内容

hadoop fs -ls [-h] [-R] [<path> ...] 
path 指定目录路径
-h 人性化显示文件size
-R 递归查看指定目录及其子目录

hadoop fs -ls /

• 创建目录

hadoop fs -mkdir [-p] <path> ... 
path 为待创建的目录
-p选项的行为与Unix mkdir -p非常相似，它会沿着路径创建父目录。

hadoop fs -mkdir -p  /had/test/

• 上传文件到指定目录下 (put)

hadoop fs -put [-f] [-p] <localsrc> ... <dst>
-f 覆盖目标文件（已存在下）
-p 保留访问和修改时间，所有权和权限。
localsrc 本地文件系统（客户端所在机器）
dst 目标文件系统（HDFS）

echo 'hello' > file.txt
hadoop fs -put file.txt /had/test

• 上传文件到指定目录下 (moveFromLocal )，和-put功能意义，只不过上传结束，源数据会被删除

hadoop fs -moveFromLocal <localsrc> ... <dst> 

echo 'hello' > file1.txt
hadoop fs -moveFromLocal file1.txt /had/test

• 下载HDFS文件

hadoop fs -get [-f] [-p] <src> ... <localdst>
下载文件到本地文件系统指定目录，localdst必须是目录
-f 覆盖目标文件（已存在下）
-p 保留访问和修改时间，所有权和权限

hadoop fs -get /had/test/file1.txt ./ 

• 查看HDFS文件内容（cat）

hadoop fs -cat <src> ... 
读取指定文件全部内容，显示在标准输出控制台。
注意：对于大文件内容读取，慎重。

hadoop fs -cat /had/test/file.txt

• 查看文件前 1KB 的内容 (head )

hadoop fs -head <file> 

hadoop fs -head /had/test/file.txt

• 查看文件最后1KB的内容 ( tail )

hadoop fs -tail [-f] <file>
-f 同 linux 一至可以动态显示文件中追加的内容。

 hadoop fs -tail /had/test/file.txt

• 拷贝HDFS文件:

hadoop fs -cp [-f] <src> ... <dst> 
-f 覆盖目标文件（已存在下）

hadoop fs -mkdir -p  /had/test2/
hadoop fs -cp /had/test/file.txt /had/test2/

• 追加数据到HDFS文件中

hadoop fs -appendToFile <localsrc> ... <dst>
将所有给定本地文件的内容追加到给定dst文件。 
dst如果文件不存在，将创建该文件。 
如果<localSrc>为-，则输入为从标准输入中读取。

echo 'abcd' > appent.txt
hadoop fs -appendToFile appent.txt /had/test/file.txt

• 查看HDFS磁盘空间

hadoop fs -df [-h] [<path> ...]
显示文件系统的容量，可用空间和已用空间

hadoop fs -df -h /

• 查看HDFS文件使用的空间量

hadoop fs -du [-s] [-h] <path> ...
-s：表示显示指定路径文件长度的汇总摘要，而不是单个文件的摘要。
-h：选项将以“人类可读”的方式格式化文件大小

hadoop fs -du -s -h /had/

• 移动文件

hadoop fs -mv <src> ... <dst>
移动文件到指定文件夹下
可以使用该命令移动数据，重命名文件的名称

hadoop fs -mkdir -p  /had/test3/
hadoop fs -mv /had/test/file.txt /had/test3/

• 修改HDFS文件副本个数

hadoop fs -setrep [-R] [-w] <rep> <path> ...
修改指定文件的副本个数。
-R表示递归 修改文件夹下及其所有
-w 客户端是否等待副本修改完毕。

hadoop fs -setrep 2 /had/test3/file.txt