天天看点
返回

HDFS重点HDFS精选【精简】前言一、hdfs概述？二、hdfs shell操作三 hdfs API操作四 HDFS 的读写流程（面试重点）五 NameNode 和 SecondaryNameNode六 DataNode总结

HDFS精选【精简】

提示：请先学完hadoop基础 hadoop知识点

HDFS

  • HDFS精选【精简】
  • 前言
  • 一、hdfs概述？
      • 1) 介绍
      • 2) 优缺点
      • 3）组成
      • 4)HDFS 文件块大小（面试重点）
  • 二、hdfs shell操作
    • 1).启动集群
    • 2).基本命令介绍
  • 三 hdfs API操作
    • 1）文件创建
    • 2）文件上传
    • 3）文件下载
    • 4）文件重命名
    • 5）文件移动和重命名
    • 6）文件删除
    • 7）查看文件详情
    • 8）判断是否是文件
  • 四 HDFS 的读写流程（面试重点）
    • 1) 写数据
    • 2)读数据
  • 五 NameNode 和 SecondaryNameNode
    • 1）第一阶段：NameNode 启动
    • 2）第二阶段：Secondary NameNode 工作
    • 3) Fsimage 和 Edits 解析
    • 4) CheckPoint 时间设置
  • 六 DataNode
    • 1）DataNode 工作机制
    • 2) 数据完整性
    • 3) 掉线时限参数设置
  • 总结

前言

随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系

统管理的磁盘中，但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这

就是分布式文件管理系统。HDFS 只是分布式文件管理系统中的一种。

一、hdfs概述？

1) 介绍

HDFS（Hadoop Distributed File System），它是一个文件系统，用于存储文件，通过目

录树来定位文件；其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务

器有各自的角色。

HDFS 的使用场景：适合一次写入，多次读出的场景。一个文件经过创建、写入和关闭

之后就不需要改变。

2) 优缺点

优:

高容错性

处理大量数据

构建廉价机器

缺:

不适合低延迟时数据访问做不到毫秒级存储数据

无法高效的对大量小文件进行储存

不支持并发写入和文件随机修改 仅仅支持追加

3）组成

NameNode(nn):它是一个主管 管理hdfs名字空间 配置副本策略 管理数据块映射信息 处理客户端读写

DataNode:实际的存储空间 执行NameNode下达的命令

Secondary NameNode：辅助NameNode。当NameNode挂掉的时候，它并不

能马上替换NameNode并提供服务。紧急情况可以辅助恢复NameNode

4)HDFS 文件块大小（面试重点）

HDFS中的文件在物理上是分块存储（Block），块的大小可以通过配置参数

( dfs.blocksize）来规定，默认大小在Hadoop2.x/3.x版本中是128M，1.x版本中是64M。

HDFS重点HDFS精选【精简】前言一、hdfs概述？二、hdfs shell操作三 hdfs API操作四 HDFS 的读写流程（面试重点）五 NameNode 和 SecondaryNameNode六 DataNode总结

（1）HDFS的块设置太小，会增加寻址时间，程序一直在找块的开始位置；

（2）如果块设置的太大，从磁盘传输数据的时间会明显大于定位这个块开

始位置所需的时间。导致程序在处理这块数据时，会非常慢。

总结：HDFS块的大小设置主要取决于磁盘传输速率 不能设置太小也不能设置太大

二、hdfs shell操作

1).启动集群

代码如下（示例）：

start-dfs.sh

hadoop fs 具体命令 OR hdfs dfs 具体命令

两个是完全相同的。

2).基本命令介绍

-help：输出这个命令参数

-mkdir 创建/123 文件夹

hadoop fs -mkdir /123

-moveFromLocal：从本地剪切粘贴到 HDFS

hadoop fs -moveFromLocal ./123.txt  /1234

-copyFromLocal：从本地文件系统中拷贝文件到 HDFS 路径去

hadoop fs -copyFromLocal 123.txt /1234

-put：等同于 copyFromLocal，生产环境更习惯用 put

hadoop fs -put 123.txt /1234

-appendToFile：追加一个文件到已经存在的文件末尾

hadoop fs -appendToFile 123.txt /1234/123.txt

-copyToLocal：从 HDFS 拷贝到本地

hadoop fs -copyToLocal /1234/123.txt ./

-get：等同于 copyToLocal，生产环境更习惯用 get

hadoop fs -get /1234/123.txt ./

-ls: 显示目录信息

hadoop fs -ls /

-cat：显示文件内容

hadoop fs -cat /123.txt

-chgrp、-chmod、-chown：Linux 文件系统中的用法一样，修改文件所属权限

hadoop fs -chmod 666 /123.txt
 hadoop fs -chown user:group  /123.txt

-cp：从 HDFS 的一个路径拷贝到 HDFS 的另一个路径

hadoop fs -cp /123.txt /1234/123.txt

-mv：在 HDFS 目录中移动文件

hadoop fs -mv /123.txt  /1234/123.txt

-tail：显示一个文件的末尾 1kb 的数据

hadoop fs -tail /1234/123.txt

-rm：删除文件或文件夹

hadoop fs -rm /1234/123.txt

-rm -r：递归删除目录及目录里面内容

hadoop fs -rm -r /123

-du 统计文件夹的大小信息

hadoop fs -du -s -h /123

-setrep：设置 HDFS 中文件的副本数量

hadoop fs -setrep 10 /123.txt

这里设置的副本数只是记录在 NameNode 的元数据中，是否真的会有这么多副本，还得看 DataNode 的数量。因为目前只有 3 台设备，最多也就 3 个副本，只有节点数的增加到 10台时，副本数才能达到 10。

三 hdfs API操作

下载hadoop win版本

需要下载winutils.exe,需要对应的版本.地址https://github.com/steveloughran/winutils,下载之后直接解压,将bin目录里的内容直接覆盖到hadoop的bin

然后配置环境变量

HDFS重点HDFS精选【精简】前言一、hdfs概述？二、hdfs shell操作三 hdfs API操作四 HDFS 的读写流程（面试重点）五 NameNode 和 SecondaryNameNode六 DataNode总结

创建一个springboot工程并导入相应的依赖坐标+日志添加

<dependency>
 <groupId>org.apache.logging.log4j</groupId>
 <artifactId>log4j-slf4j-impl</artifactId>
 <version>2.9.1</version>
 </dependency>
 <dependency>
 <groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
 <version>3.1.3</version>
 </dependency>
 <dependency>
 <groupId>junit</groupId>
 <artifactId>junit</artifactId>
 <version>4.12</version>
 </dependency>
 <dependency>
 <groupId>org.slf4j</groupId>
 <artifactId>slf4j-log4j12</artifactId>
 <version>1.7.30</version>
 </dependency>

在项目的 src/main/resources 目录下，新建一个文件，命名为“log4j.properties”，在文件

中填入

log4j.rootLogger=INFO, stdout 
log4j.appender.stdout=org.apache.log4j.ConsoleAppender 
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout 
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n 
log4j.appender.logfile=org.apache.log4j.FileAppender 
log4j.appender.logfile.File=target/spring.log 
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout 
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

创建一个测试类

1）文件创建 

package com.example.hdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.Test;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;

public class HdfsClient {
    @Test
    public void testMkdirs() throws IOException, URISyntaxException, InterruptedException {
        Configuration configuration = new Configuration();

		//获取连接HDFS文件系统
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop1:8020"),configuration,"root");
        // 2 创建目录
        fs.mkdirs(new Path("/test"));
        // 3 关闭资源
        fs.close();
    }
}

创建成功

HDFS重点HDFS精选【精简】前言一、hdfs概述？二、hdfs shell操作三 hdfs API操作四 HDFS 的读写流程（面试重点）五 NameNode 和 SecondaryNameNode六 DataNode总结

2）文件上传 

@Test
    public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {
        // 1 获取文件系统
        Configuration configuration = new Configuration();
        //设置文件副本个数并且此参数优先级最高
        configuration.set("dfs.replication", "2");
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop1:8020"), configuration, "root");
        // 2 上传文件
        fs.copyFromLocalFile(new Path("D:\\test\\test.txt"), new Path("/test/"));
        // 3 关闭资源
        fs.close();
    }

参数优先级排序：（1）客户端代码中设置的值 >（2）ClassPath 下的用户自定义配置文

件 >（3）然后是服务器的自定义配置（xxx-site.xml）>（4）服务器的默认配置（xxx-default.xml）

3）文件下载 

@Test
    public void testCopyToLocalFile() throws IOException,
            InterruptedException, URISyntaxException{
        // 1 获取文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop1:8020"), configuration, "root");

        // 2 执行下载操作
        // boolean delSrc 指是否将原文件删除
        // Path src 指要下载的文件路径
        // Path dst 指将文件下载到的路径
        // boolean useRawLocalFileSystem 是否开启文件校验
        fs.copyToLocalFile(false, new Path("/test/"), new Path("D:\\test.txt"), true);
        // 3 关闭资源
        fs.close();
    }

4）文件重命名 

@Test
    public void testRename() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop1:8020"), configuration, "atguigu");
// 2 修改文件名称
        fs.rename(new Path("/text"), new Path("/text1.txt"));
// 3 关闭资源
        fs.close();
    }

5）文件移动和重命名 

@Test
    public void testRename() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop1:8020"), configuration, "root");
// 2 修改文件名称
        fs.rename(new Path("/test"), new Path("/text1234567"));
// 3 关闭资源
        fs.close();
    }

6）文件删除 

@Test
    public void testDelete() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop1:8020"), configuration, "root");
// 2 执行删除 true为递归删除
        fs.delete(new Path("/test1234567"), true);
// 3 关闭资源
        fs.close();
    }

7）查看文件详情 

@Test
    public void testListFiles() throws IOException, InterruptedException, URISyntaxException {
// 1 获取文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop1:8020"), configuration, "root");
// 2 获取文件详情 true递归查询
        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
        while (listFiles.hasNext()) {
            LocatedFileStatus fileStatus = listFiles.next();
            System.out.println("========" + fileStatus.getPath() + "=========");
            System.out.println(fileStatus.getPermission());
            System.out.println(fileStatus.getOwner());
            System.out.println(fileStatus.getGroup());
            System.out.println(fileStatus.getLen());
            System.out.println(fileStatus.getModificationTime());
            System.out.println(fileStatus.getReplication());
            System.out.println(fileStatus.getBlockSize());
            System.out.println(fileStatus.getPath().getName());
// 获取块信息
            BlockLocation[] blockLocations = fileStatus.getBlockLocations();
            System.out.println(Arrays.toString(blockLocations));
        }
// 3 关闭资源
        fs.close();
    }

8）判断是否是文件 

@Test
    public void testListStatus() throws IOException, InterruptedException,
            URISyntaxException{
        // 1 获取文件配置信息
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop1:8020"),
                configuration, "root");
        // 2 判断是文件还是文件夹
        FileStatus[] listStatus = fs.listStatus(new Path("/"));
        for (FileStatus fileStatus : listStatus) {
            // 如果是文件
            if (fileStatus.isFile()) {
                System.out.println("f:"+fileStatus.getPath().getName());
            }else {
                System.out.println("d:"+fileStatus.getPath().getName());
            }
        }
        // 3 关闭资源
        fs.close();
    }

四 HDFS 的读写流程（面试重点）

1) 写数据

HDFS重点HDFS精选【精简】前言一、hdfs概述？二、hdfs shell操作三 hdfs API操作四 HDFS 的读写流程（面试重点）五 NameNode 和 SecondaryNameNode六 DataNode总结

（1）客户端通过 Distributed FileSystem 模块向 NameNode 请求上传文件，NameNode 检查目标文件是否已存在，父目录是否存在。

（2）NameNode 返回是否可以上传。

（3）客户端请求第一个 Block 上传到哪几个 DataNode 服务器上。

（4）NameNode 返回 3 个 DataNode 节点，分别为 dn1、dn2、dn3。 （5）客户端通过 FSDataOutputStream 模块请求 dn1 上传数据，dn1 收到请求会继续调用

dn2，然后 dn2 调用 dn3，将这个通信管道建立完成。

（6）dn1、dn2、dn3 逐级应答客户端。

（7）客户端开始往 dn1 上传第一个 Block（先从磁盘读取数据放到一个本地内存缓存），

以 Packet 为单位，dn1 收到一个 Packet 就会传给 dn2，dn2 传给 dn3；dn1 每传一个 packet

会放入一个应答队列等待应答。

（8）当一个 Block 传输完成之后，客户端再次请求 NameNode 上传第二个 Block 的服务

器。（重复执行 3-7 步）。

提问

在 HDFS 写数据的过程中，NameNode 会选择距离待上传数据最近距离的 DataNode 接

收数据。那么这个最近距离怎么计算呢？

节点距离:两个节点到达最近的共同父节点的距离总和

2)读数据

HDFS重点HDFS精选【精简】前言一、hdfs概述？二、hdfs shell操作三 hdfs API操作四 HDFS 的读写流程（面试重点）五 NameNode 和 SecondaryNameNode六 DataNode总结

（1）客户端通过 DistributedFileSystem 向 NameNode 请求下载文件，NameNode 通过查

询元数据，找到文件块所在的 DataNode 地址。

（2）挑选一台 DataNode（就近原则，然后随机）服务器，请求读取数据。 （3）DataNode 开始传输数据给客户端（从磁盘里面读取数据输入流，以 Packet 为单位

来做校验）。

（4）客户端以 Packet 为单位接收，先在本地缓存，然后写入目标文件。

五 NameNode 和 SecondaryNameNode

HDFS重点HDFS精选【精简】前言一、hdfs概述？二、hdfs shell操作三 hdfs API操作四 HDFS 的读写流程（面试重点）五 NameNode 和 SecondaryNameNode六 DataNode总结

1）第一阶段：NameNode 启动

（1）第一次启动 NameNode 格式化后，创建 Fsimage 和 Edits 文件。如果不是第一次启动，直接加载编辑日志和镜像文件到内存。

（2）客户端对元数据进行增删改的请求。

（3）NameNode 记录操作日志，更新滚动日志。

（4）NameNode 在内存中对元数据进行增删改

2）第二阶段：Secondary NameNode 工作

（1）Secondary NameNode 询问 NameNode 是否需要 CheckPoint。直接带回 NameNode

是否检查结果。

（2）Secondary NameNode 请求执行 CheckPoint。

（3）NameNode 滚动正在写的 Edits 日志。

（4）将滚动前的编辑日志和镜像文件拷贝到 Secondary NameNode。

（5）Secondary NameNode 加载编辑日志和镜像文件到内存，并合并。

（6）生成新的镜像文件 fsimage.chkpoint。

（7）拷贝 fsimage.chkpoint 到 NameNode。

（8）NameNode 将 fsimage.chkpoint 重新命名成 fsimage。

3) Fsimage 和 Edits 解析

NameNode被格式化之后，将在/opt/module/hadoop-3.1.3/data/tmp/dfs/name/current目录中产生如下文件

（1）Fsimage文件：HDFS文件系统元数据的一个永久性的检查点，其中包含HDFS文件系统的所有目

录和文件inode的序列化信息。

fsimage_0000000000000000000
fsimage_0000000000000000000.md5
seen_txid
VERSION

（2）Edits文件：存放HDFS文件系统的所有更新操作的路径，文件系统客户端执行的所有写操作首先

会被记录到Edits文件中。

（3）seen_txid文件保存的是一个数字，就是最后一个edits_的数字

（4）每 次NameNode启动的时候都会将Fsimage文件读入内存，加 载Edits里面的更新操作，保证内存中的元数据信息是最新的、同步的，可以看成NameNode启动的时候就将Fsimage和Edits文件进行了合并。

要用查看 oiv 和 oev 命令才能查看

hdfs oiv -p 文件类型 -i 镜像文件 -o 转换后文件输出路径

4) CheckPoint 时间设置

(1）通常情况下，SecondaryNameNode 每隔一小时执行一次。

[hdfs-default.xml]

<property>
 <name>dfs.namenode.checkpoint.period</name>
 <value>3600s</value>
</property>

(2）一分钟检查一次操作次数，当操作次数达到 1 百万时，SecondaryNameNode 执行一次。

<property>
<name>dfs.namenode.checkpoint.txns</name>
 <value>1000000</value>
<description>操作动作次数</description>
</property>
<property>
 <name>dfs.namenode.checkpoint.check.period</name>
 <value>60s</value>
<description> 1 分钟检查一次操作次数</description>
</property>

六 DataNode

1）DataNode 工作机制

HDFS重点HDFS精选【精简】前言一、hdfs概述？二、hdfs shell操作三 hdfs API操作四 HDFS 的读写流程（面试重点）五 NameNode 和 SecondaryNameNode六 DataNode总结

（1）一个数据块在 DataNode 上以文件形式存储在磁盘上，包括两个文件，一个是数据

本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳。

（2）DataNode 启动后向 NameNode 注册，通过后，周期性（6 小时）的向 NameNode 上

报所有的块信息。

DN 向 NN 汇报当前解读信息的时间间隔，默认 6 小时；

<property>
<name>dfs.blockreport.intervalMsec</name>
<value>21600000</value>
<description>Determines block reporting interval in 
milliseconds.</description>
</property>

DN 扫描自己节点块信息列表的时间，默认 6 小时

<property>
<name>dfs.datanode.directoryscan.interval</name>
<value>21600s</value>
<description>Interval in seconds for Datanode to scan datadirectories and reconcile the difference between blocks in memory and on 
the disk.
Support multiple time unit suffix(case insensitive), as described
in dfs.heartbeat.interval.
</description>
</property>

（3）心跳是每 3 秒一次，心跳返回结果带有 NameNode 给该 DataNode 的命令如复制块

数据到另一台机器，或删除某个数据块。如果超过 10 分钟没有收到某个 DataNode 的心跳，

则认为该节点不可用。

（4）集群运行中可以安全加入和退出一些机器。

2) 数据完整性

（1）当 DataNode 读取 Block 的时候，它会计算 CheckSum。

（2）如果计算后的 CheckSum，与 Block 创建时值不一样，说明 Block 已经损坏。

（3）Client 读取其他 DataNode 上的 Block。

（4）常见的校验算法 crc（32），md5（128），sha1（160）

（5）DataNode 在其文件创建后周期验证 CheckSum。

HDFS重点HDFS精选【精简】前言一、hdfs概述？二、hdfs shell操作三 hdfs API操作四 HDFS 的读写流程（面试重点）五 NameNode 和 SecondaryNameNode六 DataNode总结

3) 掉线时限参数设置

HDFS重点HDFS精选【精简】前言一、hdfs概述？二、hdfs shell操作三 hdfs API操作四 HDFS 的读写流程（面试重点）五 NameNode 和 SecondaryNameNode六 DataNode总结

需要注意的是 hdfs-site.xml 配置文件中的 heartbeat.recheck.interval 的单位为毫秒，

dfs.heartbeat.interval 的单位为秒。

<property>
 <name>dfs.namenode.heartbeat.recheck-interval</name>
 <value>300000</value>
</property>
<property>
 <name>dfs.heartbeat.interval</name>
 <value>3</value>
</property>

总结

1、HDFS文件块大小（面试重点）

硬盘读写速度

在企业中 一般128m（中小公司） 256m （大公司）

2、HDFS的Shell操作（开发重点）

3、HDFS的读写流程（面试重点）

大数据 hadoop HDFS
上一篇: HDFS 的 Shell 操作
下一篇: 创建型模式--设计模式详解？

继续阅读