Hdfs詳解

一.Hdfs簡介

　　hdfs是一個文件系統，用於存儲文件，經過統一的命名空間——目錄樹來定位文件,而且是分佈式的，由不少服務器聯合起來實現其功能，集羣中的服務器各自負責角色；

　　重要特徵：

　　1.HDFS中的文件在物理上是分塊存儲（block），塊的大小能夠經過配置參數( dfs.blocksize)來規定，默認大小在hadoop2.x版本中是128M，老版本中是64M

 　 2.HDFS文件系統會給客戶端提供一個統一的抽象目錄樹，客戶端經過路徑來訪問文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data

　  3.目錄結構及文件分塊信息(元數據)的管理由namenode節點承擔——namenode是HDFS集羣主節點，負責維護整個hdfs文件系統的目錄樹，以及每個路徑（文件）所對應的block塊信息（block的id，及所在的datanode服務器）

     4.文件的各個block的存儲管理由datanode節點承擔---- datanode是HDFS集羣從節點，每個block均可以在多個datanode上存儲多個副本（副本數量也能夠經過參數設置dfs.replication）

     5.HDFS是設計成適應一次寫入，屢次讀出的場景，且不支持文件的修改

二.Hdfs的shell(命令行客戶端)操做

　 Hdfs提供shell命令行客戶端，使用方法以下：

經常使用命令參數介紹：

-help             功能：輸出這個命令參數手冊

-ls                  功能：顯示目錄信息 示例： hadoop fs -ls hdfs://hadoop-server01:9000/ 備註：這些參數中，全部的hdfs路徑均可以簡寫 -->hadoop fs -ls /   等同於上一條命令的效果

-mkdir              功能：在hdfs上建立目錄 示例：hadoop fs  -mkdir  -p  /aaa/bbb/cc/dd

-moveFromLocal            功能：從本地剪切粘貼到hdfs 示例：hadoop  fs  - moveFromLocal  /home/hadoop/a.txt  /aaa/bbb/cc/dd -moveToLocal              功能：從hdfs剪切粘貼到本地 示例：hadoop  fs  - moveToLocal   /aaa/bbb/cc/dd  /home/hadoop/a.txt

--appendToFile  功能：追加一個文件到已經存在的文件末尾 示例：hadoop  fs  -appendToFile  ./hello.txt  hdfs://hadoop-server01:9000/hello.txt 能夠簡寫爲： Hadoop  fs  -appendToFile  ./hello.txt  /hello.txt

-cat  功能：顯示文件內容  示例：hadoop fs -cat  /hello.txt   -tail                 功能：顯示一個文件的末尾 示例：hadoop  fs  -tail  /weblog/access_log.1 -text                  功能：以字符形式打印一個文件的內容 示例：hadoop  fs  -text  /weblog/access_log.1

-chgrp -chmod -chown 功能：linux文件系統中的用法同樣，對文件所屬權限 示例： hadoop  fs  -chmod  666  /hello.txt hadoop  fs  -chown  someuser:somegrp   /hello.txt

-copyFromLocal    功能：從本地文件系統中拷貝文件到hdfs路徑去 示例：hadoop  fs  -copyFromLocal  ./jdk.tar.gz  /aaa/ -copyToLocal      功能：從hdfs拷貝到本地 示例：hadoop fs -copyToLocal /aaa/jdk.tar.gz

-cp              功能：從hdfs的一個路徑拷貝hdfs的另外一個路徑 示例： hadoop  fs  -cp  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2   -mv                     功能：在hdfs目錄中移動文件 示例： hadoop  fs  -mv  /aaa/jdk.tar.gz  /

-get              功能：等同於copyToLocal，就是從hdfs下載文件到本地 示例：hadoop fs -get  /aaa/jdk.tar.gz -getmerge             功能：合併下載多個文件 示例：好比hdfs的目錄 /aaa/下有多個文件:log.1, log.2,log.3,... hadoop fs -getmerge /aaa/log.* ./log.sum

-put                功能：等同於copyFromLocal 示例：hadoop  fs  -put  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

-rm                功能：刪除文件或文件夾 示例：hadoop fs -rm -r /aaa/bbb/   -rmdir                 功能：刪除空目錄 示例：hadoop  fs  -rmdir   /aaa/bbb/ccc

-df               功能：統計文件系統的可用空間信息 示例：hadoop  fs  -df  -h  /   -du 功能：統計文件夾的大小信息 示例： hadoop  fs  -du  -s  -h /aaa/*

-count         功能：統計一個指定目錄下的文件節點數量 示例：hadoop fs -count /aaa/

-setrep                功能：設置hdfs中文件的副本數量 示例：hadoop fs -setrep 3 /aaa/jdk.tar.gz

三.Hdfs的工做機制

　　1.概述

　　 　（1）HDFS集羣分爲兩大角色：NameNode、DataNode

　　　　（2）NameNode負責管理整個文件系統的元數據

　　　　（3）DataNode 負責管理用戶的文件數據塊

　　　　（4）文件會按照固定的大小（blocksize）切成若干塊後分布式存儲在若干臺datanode上

　　　　（5）每個文件塊能夠有多個副本，並存放在不一樣的datanode上

　　　　（6）Datanode會按期向Namenode彙報自身所保存的文件block信息，而namenode則會負責保持文件的副本數量

　　　　（7）HDFS的內部工做機制對客戶端保持透明，客戶端請求訪問HDFS都是經過向namenode申請來進行

　　2.HDFS寫數據流程

 

 　　　  （1）客戶端要向HDFS寫數據，首先要跟namenode通訊以確承認以寫文件並得到接收文件block的datanode，而後，客戶端按順序將文件逐個block傳遞給相應datanode，並由接收到block的datanode負責向其餘datanode複製block的副本

　　　　

　　（2）詳細步驟解析

　　　　1.根namenode通訊請求上傳文件，namenode檢查目標文件是否已存在，父目錄是否存在

　　　　2.namenode返回是否能夠上傳

　　　　3.client請求第一個 block該傳輸到哪些datanode服務器上

　　　　4.namenode返回3個datanode服務器ABC

　　　　5.client請求3臺dn中的一臺A上傳數據（本質上是一個RPC調用，創建pipeline），A收到請求會繼續調用B，而後B調用C，將真個pipeline創建完成，逐級返回客戶端

　　　　6.client開始往A上傳第一個block（先從磁盤讀取數據放到一個本地內存緩存），以packet爲單位，A收到一個packet就會傳給B，B傳給C；A每傳一個packet會放入一個應答隊列等待應答

　　　　7.當一個block傳輸完成以後，client再次請求namenode上傳第二個block的服務器。

　　　3.HDFS讀數據流程

　　　　(1)客戶端將要讀取的文件路徑發送給namenode，namenode獲取文件的元信息（主要是block的存放位置信息）返回給客戶端，客戶端根據返回的信息找到相應datanode逐個獲取文件的block並在客戶端本地進行數據追加合併從而得到整個文件

　　　　

　　　　(2)詳細步驟解析

　　　　　　1.跟namenode通訊查詢元數據，找到文件塊所在的datanode服務器

　　　　　　2.挑選一臺datanode（就近原則，而後隨機）服務器，請求創建socket流

　　　　　　3.datanode開始發送數據（從磁盤裏面讀取數據放入流，以packet爲單位來作校驗）

　　　　　　4.客戶端以packet爲單位接收，如今本地緩存，而後寫入目標文件

 

四.Namenode工做機制

　　1.Namenode工做職責：負責客戶端請求的響應，元數據的管理（查詢，修改）

　　2.元數據管理 ： namenode對數據的管理採用了三種存儲形式：內存元數據(NameSystem)  磁盤元數據鏡像文件數據操做日誌文件（可經過日誌運算出元數據）

　　3.元數據存儲機制：

　　　　　　　　　　A、內存中有一份完整的元數據(內存meta data)

　　　　　　　　　　B、磁盤有一個「準完整」的元數據鏡像（fsimage）文件(在namenode的工做目錄中)

　　　　　　　　　　C、用於銜接內存metadata和持久化元數據鏡像fsimage之間的操做日誌（edits文件）注：當客戶端對hdfs中的文件進行新增或者修改操做，操做記錄首先被記入edits日誌文件中，當客戶端操做成功後，相應的元數據會更新到內存meta.data中

 

　　4.元數據的checkpoint：每隔一段時間，會由secondary namenode將namenode上積累的全部edits和一個最新的fsimage下載到本地，並加載到內存進行merge（這個過程稱爲checkpoint）

　　　　

　　　　checkpoint操做的觸發條件配置參數：

　　　　　　dfs.namenode.checkpoint.check.period=60  #檢查觸發條件是否知足的頻率，60秒

　　　　　　dfs.namenode.checkpoint.dir=file://${hadoop.tmp.dir}/dfs/namesecondary

　　　　　　#以上兩個參數作checkpoint操做時，secondary namenode的本地工做目錄

　　　　　　dfs.namenode.checkpoint.edits.dir=${dfs.namenode.checkpoint.dir}

　　　　　　dfs.namenode.checkpoint.max-retries=3  #最大重試次數

　　　　　　dfs.namenode.checkpoint.period=3600  #兩次checkpoint之間的時間間隔3600秒

　　　　　　dfs.namenode.checkpoint.txns=1000000 #兩次checkpoint之間最大的操做記錄

　　　　checkpoint的附帶做用

　　　　　　namenode和secondary namenode的工做目錄存儲結構徹底相同，因此，當namenode故障退出須要從新恢復時，能夠從secondary namenode的工做目錄中將fsimage拷貝到namenode的工做目錄，以恢復namenode的元數據

 

五.Datanode工做機制

　　1.Datanode工做職責：存儲管理用戶的文件塊數據，按期向namenode彙報自身所持有的block信息（經過心跳信息上報）

　　　　<property>

      　　   <name>dfs.blockreport.intervalMsec</name>

        　　 <value>3600000</value>

         　　<description>Determines block reporting interval in milliseconds.</description>

　　</property>

　　2.Datanode掉線判斷時限參數

　　　datanode進程死亡或者網絡故障形成datanode沒法與namenode通訊，namenode不會當即把該節點斷定爲死亡，要通過一段時間，這段時間暫稱做超時時長。HDFS默認的超時時長爲10分鐘+30秒。若是定義超時時間爲timeout，則超時時長的計算公式爲：

         timeout  = 2 * heartbeat.recheck.interval + 10 * dfs.heartbeat.interval。 而默認的heartbeat.recheck.interval 大小爲5分鐘，dfs.heartbeat.interval默認爲3秒。

        須要注意的是hdfs-site.xml 配置文件中的heartbeat.recheck.interval的單位爲毫秒，dfs.heartbeat.interval的單位爲秒。因此，舉個例子，若是heartbeat.recheck.interval設置爲5000（毫秒），dfs.heartbeat.interval設置爲3（秒，默認），則總的超           時時間爲40秒。

　　<property>

        　　　　<name>heartbeat.recheck.interval</name>

        　　　<value>2000</value>

　　</property>

　　<property>

      　　  <name>dfs.heartbeat.interval</name>

        　　<value>1</value>

　　</property>

 

六. Hdfs的java操做

　　1.搭建開發環境

　　　　(1)引入依賴

　　　　　　<dependency>

    　　　　　　<groupId>org.apache.hadoop</groupId>

    　　　　　　<artifactId>hadoop-client</artifactId>

    　　　　　　<version>2.6.1</version>

　　　　　　</dependency>

　　　　(2)window下開發的說明  建議在linux下進行hadoop應用的開發，不會存在兼容性問題。如在window上作客戶端應用開發，須要設置如下環境：

　　　　　　A、在windows的某個目錄下解壓一個hadoop的安裝包

　　　　　　B、將安裝包下的lib和bin目錄用對應windows版本平臺編譯的本地庫替換

　　　　　　C、在window系統中配置HADOOP_HOME指向你解壓的安裝包

　　　　　　D、在windows系統的path變量中加入hadoop的bin目錄

　　2.HDFS客戶端操做數據代碼示例：

　　　　(1) 文件的增刪改查

public class HdfsClient {            FileSystem fs = null;            @Before          public void init() throws Exception {                      // 構造一個配置參數對象，設置一個參數：咱們要訪問的hdfs的URI                    // 從而FileSystem.get()方法就知道應該是去構造一個訪問hdfs文件系統的客戶端，以及hdfs的訪問地址                    // new Configuration();的時候，它就會去加載jar包中的hdfs-default.xml                    // 而後再加載classpath下的hdfs-site.xml                    Configuration conf = new Configuration();                    conf.set("fs.defaultFS", "hdfs://hdp-node01:9000");                    /**                     * 參數優先級： 一、客戶端代碼中設置的值 二、classpath下的用戶自定義配置文件 三、而後是服務器的默認配置                     */                    conf.set("dfs.replication", "3");                      // 獲取一個hdfs的訪問客戶端，根據參數，這個實例應該是DistributedFileSystem的實例                    // fs = FileSystem.get(conf);                      // 若是這樣去獲取，那conf裏面就能夠不要配"fs.defaultFS"參數，並且，這個客戶端的身份標識已是hadoop用戶                    fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");            }            /**           * 往hdfs上傳文件           *           * @throws Exception           */          @Test          public void testAddFileToHdfs() throws Exception {                      // 要上傳的文件所在的本地路徑                    Path src = new Path("g:/redis-recommend.zip");                    // 要上傳到hdfs的目標路徑                    Path dst = new Path("/aaa");                    fs.copyFromLocalFile(src, dst);                    fs.close();          }            /**           * 從hdfs中複製文件到本地文件系統           *           * @throws IOException           * @throws IllegalArgumentException           */          @Test          public void testDownloadFileToLocal() throws IllegalArgumentException, IOException {                    fs.copyToLocalFile(new Path("/jdk-7u65-linux-i586.tar.gz"), new Path("d:/"));                    fs.close();          }            @Test          public void testMkdirAndDeleteAndRename() throws IllegalArgumentException, IOException {                      // 建立目錄                    fs.mkdirs(new Path("/a1/b1/c1"));                      // 刪除文件夾 ，若是是非空文件夾，參數2必須給值true                    fs.delete(new Path("/aaa"), true);                      // 重命名文件或文件夾                    fs.rename(new Path("/a1"), new Path("/a2"));            }            /**           * 查看目錄信息，只顯示文件           *           * @throws IOException           * @throws IllegalArgumentException           * @throws FileNotFoundException           */          @Test          public void testListFiles() throws FileNotFoundException, IllegalArgumentException, IOException {                      // 思考：爲何返回迭代器，而不是List之類的容器                    RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);                      while (listFiles.hasNext()) {                             LocatedFileStatus fileStatus = listFiles.next();                             System.out.println(fileStatus.getPath().getName());                             System.out.println(fileStatus.getBlockSize());                             System.out.println(fileStatus.getPermission());                             System.out.println(fileStatus.getLen());                             BlockLocation[] blockLocations = fileStatus.getBlockLocations();                             for (BlockLocation bl : blockLocations) {                                      System.out.println("block-length:" + bl.getLength() + "--" + "block-offset:" + bl.getOffset());                                      String[] hosts = bl.getHosts();                                      for (String host : hosts) {                                                System.out.println(host);                                      }                             }                             System.out.println("--------------爲angelababy打印的分割線--------------");                    }          }            /**           * 查看文件及文件夾信息           *           * @throws IOException           * @throws IllegalArgumentException           * @throws FileNotFoundException           */          @Test          public void testListAll() throws FileNotFoundException, IllegalArgumentException, IOException {                      FileStatus[] listStatus = fs.listStatus(new Path("/"));                      String flag = "d--             ";                    for (FileStatus fstatus : listStatus) {                             if (fstatus.isFile())  flag = "f--         ";                             System.out.println(flag + fstatus.getPath().getName());                    }          } }

　　(2)經過流的方式訪問hdfs

　　　　

/**  * 相對那些封裝好的方法而言的更底層一些的操做方式  * 上層那些mapreduce   spark等運算框架，去hdfs中獲取數據的時候，就是調的這種底層的api  * @author  *  */ public class StreamAccess {                   FileSystem fs = null;            @Before          public void init() throws Exception {                      Configuration conf = new Configuration();                    fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");            }                                     @Test          public void testDownLoadFileToLocal() throws IllegalArgumentException, IOException{                                       //先獲取一個文件的輸入流----針對hdfs上的                    FSDataInputStream in = fs.open(new Path("/jdk-7u65-linux-i586.tar.gz"));                                       //再構造一個文件的輸出流----針對本地的                    FileOutputStream out = new FileOutputStream(new File("c:/jdk.tar.gz"));                                       //再將輸入流中數據傳輸到輸出流                    IOUtils.copyBytes(in, out, 4096);                                                }                            /**           * hdfs支持隨機定位進行文件讀取，並且能夠方便地讀取指定長度           * 用於上層分佈式運算框架併發處理數據           * @throws IllegalArgumentException           * @throws IOException           */          @Test          public void testRandomAccess() throws IllegalArgumentException, IOException{                    //先獲取一個文件的輸入流----針對hdfs上的                    FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));                                                          //能夠將流的起始偏移量進行自定義                    in.seek(22);                                       //再構造一個文件的輸出流----針對本地的                    FileOutputStream out = new FileOutputStream(new File("c:/iloveyou.line.2.txt"));                                       IOUtils.copyBytes(in,out,19L,true);                             }                                     /**           * 顯示hdfs上文件的內容           * @throws IOException           * @throws IllegalArgumentException           */          @Test          public void testCat() throws IllegalArgumentException, IOException{                                       FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));                                       IOUtils.copyBytes(in, System.out, 1024);          } }