HDFS常用文件操作命令及注意事项

Posted 2020-07-02

HDFS 文件操作命令

    HDFS 文件系统提供了相当多的shell 操作命令，大大方便了程序员和系统管理人员查看、修改HDFS 上的文件。进一步，HDFS 的操作命令和Unix/Linux 的命令名称和格式相当一致，因而学习HDFS 命令的成本也大为缩小。

    HDFS 的基本命令格式如下：

    bin/hadoop dfs–cmd <args>

    这里cmd 就是具体的命令，记住cmd 前面的短线“–”千万不要忽略。

    1.ls

    hadoop fs -ls / 
    列出hdfs文件系统根目录下的目录和文件

    hadoop fs -ls -R / 
    列出hdfs文件系统所有的目录和文件

    2.put

    hadoop fs -put < local file > < hdfs file > 
    hdfs file的父目录一定要存在，否则命令不会执行

    hadoop fs -put < local file or dir >…< hdfs dir > 
    hdfs dir 一定要存在，否则命令不会执行

    hadoop fs -put - < hdsf file> 
    从键盘读取输入到hdfs file中，按Ctrl+D结束输入，hdfs file不能存在，否则命令不会执行

    2.1.moveFromLocal

    hadoop fs -moveFromLocal < local src > … < hdfs dst > 
    与put相类似，命令执行后源文件 local src 被删除，也可以从从键盘读取输入到hdfs file中

    2.2.copyFromLocal

    hadoop fs -copyFromLocal < local src > … < hdfs dst > 
    与put相类似，也可以从从键盘读取输入到hdfs file中

    3.get

    hadoop fs -get < hdfs file > < local file or dir> 
    local file不能和 hdfs file名字不能相同，否则会提示文件已存在，没有重名的文件会复制到本地

    hadoop fs -get < hdfs file or dir > … < local dir > 
    拷贝多个文件或目录到本地时，本地要为文件夹路径 
    注意：如果用户不是root， local 路径要为用户文件夹下的路径，否则会出现权限问题，

    3.1.moveToLocal

    当前版本中还未实现此命令

    3.2.copyToLocal

    hadoop fs -copyToLocal < local src > … < hdfs dst > 
    与get相类似

    4.rm

    hadoop fs -rm < hdfs file > … 
    hadoop fs -rm -r < hdfs dir>… 
    每次可以删除多个文件或目录

    5.mkdir

    hadoop fs -mkdir < hdfs path> 
    只能一级一级的建目录，父目录不存在的话使用这个命令会报错

    hadoop fs -mkdir -p < hdfs path> 
    所创建的目录如果父目录不存在就创建该父目录

    6.getmerge

    hadoop fs -getmerge < hdfs dir > < local file > 
    将hdfs指定目录下所有文件排序后合并到local指定的文件中，文件不存在时会自动创建，文件存在时会覆盖里面的内容

    hadoop fs -getmerge -nl < hdfs dir > < local file > 
    加上nl后，合并到local file中的hdfs文件之间会空出一行

    7.cp

    hadoop fs -cp < hdfs file > < hdfs file > 
    目标文件不能存在，否则命令不能执行，相当于给文件重命名并保存，源文件还存在

    hadoop fs -cp < hdfs file or dir >… < hdfs dir > 
    目标文件夹要存在，否则命令不能执行

    8.mv

    hadoop fs -mv < hdfs file > < hdfs file > 
    目标文件不能存在，否则命令不能执行，相当于给文件重命名并保存，源文件不存在

    hadoop fs -mv < hdfs file or dir >… < hdfs dir > 
    源路径有多个时，目标路径必须为目录，且必须存在。 
    注意：跨文件系统的移动（local到hdfs或者反过来）都是不允许的

    9.count

    hadoop fs -count < hdfs path > 
    统计hdfs对应路径下的目录个数，文件个数，文件总计大小 
    显示为目录个数，文件个数，文件总计大小，输入路径

     10.du

    hadoop fs -du < hdsf path> 
    显示hdfs对应路径下每个文件夹和文件的大小

    hadoop fs -du -s < hdsf path> 
    显示hdfs对应路径下所有文件和的大小

    hadoop fs -du - h < hdsf path> 
    显示hdfs对应路径下每个文件夹和文件的大小,文件的大小用方便阅读的形式表示，例如用64M代替    67108864

    11.text

    hadoop fs -text < hdsf file> 
    将文本文件或某些格式的非文本文件通过文本格式输出

    12.setrep

    hadoop fs -setrep -R 3 < hdfs path > 
    改变一个文件在hdfs中的副本个数，上述命令中数字3为所设置的副本个数，-R选项可以对一个人目录下的所有目录+文件递归执行改变副本个数的操作

    13.stat

    hdoop fs -stat [format] < hdfs path > 
    返回对应路径的状态信息 
    [format]可选参数有：%b（文件大小），%o（Block大小），%n（文件名），%r（副本个数），%y（最后一次修改日期和时间） 
    可以这样书写hadoop fs -stat %b%o%n < hdfs path >，不过不建议，这样每个字符输出的结果不是太容易分清楚

    14.tail

    hadoop fs -tail < hdfs file > 
    在标准输出中显示文件末尾的1KB数据

    15.archive

    hadoop archive -archiveName name.har -p < hdfs parent dir > < src >* < hdfs dst > 
命令中参数name：压缩文件名，自己任意取；< hdfs parent dir > ：压缩文件所在的父目录；< src >*：要压缩的文件名；< hdfs dst >：压缩文件存放路径 
    示例：hadoop archive -archiveName hadoop.har -p /user 1.txt 2.txt /des 
示例中将hdfs中/user目录下的文件1.txt，2.txt压缩成一个名叫hadoop.har的文件存放在hdfs中/des目录下，如果1.txt，2.txt不写就是将/user目录下所有的目录和文件压缩成一个名叫hadoop.har的文件存放在hdfs中/des目录下 
    显示har的内容可以用如下命令： 
hadoop fs -ls /des/hadoop.jar

    显示har压缩的是那些文件可以用如下命令

    hadoop fs -ls -R har:///des/hadoop.har 
    **注意：**har文件不能进行二次压缩。如果想给.har加文件，只能找到原来的文件，重新创建一个。har文件中原来文件的数据并没有变化，har文件真正的作用是减少NameNode和DataNode过多的空间浪费。

    16.balancer

    hdfs balancer 
    如果管理员发现某些DataNode保存数据过多，某些DataNode保存数据相对较少，可以使用上述命令手动启动内部的均衡过程

    17.dfsadmin

    hdfs dfsadmin -help 
    管理员可以通过dfsadmin管理HDFS，用法可以通过上述命令查看

    hdfs dfsadmin -report 
    显示文件系统的基本数据

    hdfs dfsadmin -safemode < enter | leave | get | wait > 
    enter：进入安全模式；leave：离开安全模式；get：获知是否开启安全模式； 
    wait：等待离开安全模式

    18.distcp

    用来在两个HDFS之间拷贝数据

注意事项

    部分命令（如mkdir 等）需要文件\ 目录名作为参数，参数一般都是URI 格式，args 参数的基本格式是：scheme:// authority/path

    scheme 指具体的文件系统，如果是本地文件，那么scheme 就是file ；如果是HDFS 上的文件，那么scheme 就是hdfs。authority 就是机器的地址和对应的端口。当然，正如Linux文件有绝对路径和相对路径一样，这里的URI 参数也可以做一定程度省略。当对应的设置为hdfs://namenode：namenodeport 时，如果路径参数为/parent/child，那么它对应的实际文件为:hdfs://namenode:namenodeport/parent/child

    但是有一点要注意，HDFS 没有所谓当前工作目录的概念。前面说过，HDFS 所有文件元数据都是存在NameNode 节点上的，具体文件的存放由NameNode 掌控，某一个文件可能被分拆放到不同的机器上，也可能为了提高效率将路径不同的文件也放到同一台机器上。所以，为HDFS 提供cd、pwd 操作，都是不现实的。

  

    本文来自 >> 尚学堂； 转载请注明：http://www.sxt.cn/u/13421/blog/8879