大資料之hadoop（檔案系統HDFS）
一 HDFS概述
1.1 概念
HDFS，它是一個檔案系統，用於儲存檔案，通過目錄樹來定位檔案；其次，它是分散式的，由很多伺服器聯合起來實現其功能，叢集中的伺服器有各自的角色。
HDFS的設計適合一次寫入，多次讀出的場景，且不支援檔案的修改。適合用來做資料分析，並不適合用來做網盤應用。
1.2 組成
1）HDFS叢集包括，NameNode和DataNode以及Secondary Namenode。
2）NameNode負責管理整個檔案系統的元資料，以及每一個路徑（檔案）所對應的資料塊資訊。
3）DataNode 負責管理使用者的檔案資料塊，每一個數據塊都可以在多個datanode上儲存多個副本。
4）SecondaryNameNode用來監控HDFS狀態的輔助後臺程式，每隔一段時間獲取HDFS元資料的快照。
1.3 HDFS 檔案塊大小
HDFS中的檔案在物理上是分塊儲存（block），塊的大小可以通過配置引數( dfs.blocksize)來規定，預設大小在hadoop2.x版本中是128M，老版本中是64M
HDFS的塊比磁碟的塊大，其目的是為了最小化定址開銷。如果塊設定得足夠大，從磁碟傳輸資料的時間會明顯大於定位這個塊開始位置所需的時間。因而，傳輸一個由多個塊組成的檔案的時間取決於磁碟傳輸速率。
如果定址時間約為10ms，而傳輸速率為100MB/s，為了使定址時間僅佔傳輸時間的1%，我們要將塊大小設定約為100MB。預設的塊大小128MB。
塊的大小：10ms*100*100M/s = 100M
二 HFDS命令列操作
1）基本語法
bin/hadoop fs 具體命令
2）引數大全
bin/hadoop fs
[-appendToFile <localsrc> ... <dst>] [-cat [-ignoreCrc] <src> ...] [-checksum <src> ...] [-chgrp [-R] GROUP PATH...] [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...] [-chown [-R] [OWNER][:[GROUP]] PATH...] [-copyFromLocal [-f] [-p] <localsrc> ... <dst>] [-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>] [-count [-q] <path> ...] [-cp [-f] [-p] <src> ... <dst>] [-createSnapshot <snapshotDir> [<snapshotName>]] [-deleteSnapshot <snapshotDir> <snapshotName>] [-df [-h] [<path> ...]] [-du [-s] [-h] <path> ...] [-expunge] [-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>] [-getfacl [-R] <path>] [-getmerge [-nl] <src> <localdst>] [-help [cmd ...]] [-ls [-d] [-h] [-R] [<path> ...]] [-mkdir [-p] <path> ...] [-moveFromLocal <localsrc> ... <dst>] [-moveToLocal <src> <localdst>] [-mv <src> ... <dst>] [-put [-f] [-p] <localsrc> ... <dst>] [-renameSnapshot <snapshotDir> <oldName> <newName>] [-rm [-f] [-r|-R] [-skipTrash] <src> ...] [-rmdir [--ignore-fail-on-non-empty] <dir> ...] [-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]] [-setrep [-R] [-w] <rep> <path> ...] [-stat [format] <path> ...] [-tail [-f] <file>] [-test -[defsz] <path>] [-text [-ignoreCrc] <src> ...] [-touchz <path> ...] [-usage [cmd ...]] |
3）常用命令實操
（1）-help：輸出這個命令引數
bin/hdfs dfs -help rm
（2）-ls: 顯示目錄資訊
hadoopfs -ls /
（3）-mkdir：在hdfs上建立目錄
hadoopfs -mkdir -p /aaa/bbb/cc/dd
（4）-moveFromLocal從本地剪下貼上到hdfs
hadoop fs -moveFromLocal /home/hadoop/a.txt /aaa/bbb/cc/dd
（5）-moveToLocal：從hdfs剪下貼上到本地（尚未實現）
[[email protected]]$ hadoop fs -help moveToLocal
-moveToLocal<src> <localdst> :
Not implemented yet
（6）--appendToFile ：追加一個檔案到已經存在的檔案末尾
hadoop fs -appendToFile ./hello.txt /hello.txt
（7）-cat：顯示檔案內容
（8）-tail：顯示一個檔案的末尾
hadoop fs -tail /weblog/access_log.1
（9）-chgrp、-chmod、-chown：linux檔案系統中的用法一樣，修改檔案所屬許可權
hadoop fs -chmod 666 /hello.txt
hadoop fs -chown someuser:somegrp /hello.txt
（10）-copyFromLocal：從本地檔案系統中拷貝檔案到hdfs路徑去
hadoop fs -copyFromLocal ./jdk.tar.gz /aaa/
（11）-copyToLocal：從hdfs拷貝到本地
hadoopfs -copyToLocal /user/hello.txt ./hello.txt
（12）-cp：從hdfs的一個路徑拷貝到hdfs的另一個路徑
hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2
（13）-mv：在hdfs目錄中移動檔案
hadoop fs -mv /aaa/jdk.tar.gz /
（14）-get：等同於copyToLocal，就是從hdfs下載檔案到本地
hadoopfs -get /user/hello.txt ./
（15）-getmerge ：合併下載多個檔案，比如hdfs的目錄/aaa/下有多個檔案:log.1, log.2,log.3,...
hadoopfs -getmerge /aaa/log.* ./log.sum
（16）-put：等同於copyFromLocal
hadoop fs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2
（17）-rm：刪除檔案或資料夾
hadoopfs -rm -r /aaa/bbb/
（18）-rmdir：刪除空目錄
hadoop fs -rmdir /aaa/bbb/ccc
（19）-df：統計檔案系統的可用空間資訊
hadoop fs -df -h /
（20）-du統計資料夾的大小資訊
[[email protected]]$ hadoop fs -du -s -h /user/jduser/wcinput
188.5M /user/jduser/wcinput
[[email protected]]$ hadoop fs -du -h /user/jduser/wcinput
188.5M /user/jduser/wcinput/hadoop-2.7.2.tar.gz
97 /user/jduser/wcinput/wc.input
（21）-count：統計一個指定目錄下的檔案節點數量
hadoopfs -count /aaa/
[[email protected]]$ hadoop fs -count /user/jduser/wcinput
1 2 197657784 /user/jduser/wcinput
巢狀檔案層級；包含檔案的總數
（22）-setrep：設定hdfs中檔案的副本數量
hadoopfs -setrep 3 /aaa/jdk.tar.gz
這裡設定的副本數只是記錄在namenode的元資料中，是否真的會有這麼多副本，還得看datanode的數量。因為目前只有3臺裝置，最多也就3個副本，只有節點數的增加到10臺時，副本數才能達到10。
三 HDFS客戶端操作
3.1 eclipse環境準備
3.1.1 jar包準備
1）解壓hadoop-2.7.2.tar.gz到非中文目錄
2）進入share資料夾，查詢所有jar包，並把jar包拷貝到_lib資料夾下
3）在全部jar包中查詢sources.jar，並剪下到_source資料夾。
4）在全部jar包中查詢tests.jar，並剪下到_test資料夾。
3.1.2 eclipse準備
1）配置HADOOP_HOME環境變數
2）採用hadoop編譯後的bin 、lib兩個資料夾（如果不生效，重新啟動eclipse）
3）建立第一個java工程
public class HdfsClientDemo1 { public static void main(String[] args) throws Exception { // 1 獲取檔案系統 Configuration configuration = new Configuration(); // 配置在叢集上執行 configuration.set("fs.defaultFS", "hdfs://hadoop102:9000"); FileSystem fileSystem = FileSystem.get(configuration); // 直接配置訪問叢集的路徑和訪問叢集的使用者名稱稱 // FileSystem fileSystem = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser"); // 2 把本地檔案上傳到檔案系統中 fileSystem.copyFromLocalFile(new Path("f:/hello.txt"), new Path("/hello1.copy.txt")); // 3 關閉資源 fileSystem.close(); System.out.println("over"); } } |
4）執行程式
執行時需要配置使用者名稱稱客戶端去操作hdfs時，是有一個使用者身份的。預設情況下，hdfs客戶端api會從jvm中獲取一個引數來作為自己的使用者身份：-DHADOOP_USER_NAME=jduser，jduser為使用者名稱稱。
3.2 通過API操作HDFS
3.2.1 HDFS獲取檔案系統
1）詳細程式碼
@Test public void initHDFS() throws Exception{ // 1 建立配置資訊物件 Configuration configuration = new Configuration(); // 2 獲取檔案系統 FileSystem fs = FileSystem.get(configuration); // 3 列印檔案系統 System.out.println(fs.toString()); } |
3.2.2 HDFS檔案上傳
@Test public void putFileToHDFS() throws Exception{ // 1 建立配置資訊物件 // new Configuration();的時候，它就會去載入jar包中的hdfs-default.xml // 然後再載入classpath下的hdfs-site.xml Configuration configuration = new Configuration(); // 2 設定引數 // 引數優先順序： 1、客戶端程式碼中設定的值 2、classpath下的使用者自定義配置檔案 3、然後是伺服器的預設配置 configuration.set("dfs.replication", "2"); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser"); // 3 建立要上傳檔案所在的本地路徑 Path src = new Path("e:/hello.txt"); // 4 建立要上傳到hdfs的目標路徑 Path dst = new Path("hdfs://hadoop102:9000/user/jduser/hello.txt"); // 5 拷貝檔案 fs.copyFromLocalFile(src, dst); fs.close(); } |
2）將core-site.xml拷貝到專案的根目錄下
<?xml version="1.0" encoding="UTF-8"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration> <!-- 指定HDFS中NameNode的地址 --> <property> <name>fs.defaultFS</name> <value>hdfs://hadoop102:9000</value> </property> </configuration> |
3）將hdfs-site.xml拷貝到專案的根目錄下
<?xml version="1.0" encoding="UTF-8"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration> <property> <name>dfs.replication</name> <value>1</value> </property> </configuration> |
4）測試引數優先順序
引數優先順序： 1、客戶端程式碼中設定的值 2、classpath下的使用者自定義配置檔案 3、然後是伺服器的預設配置
3.2.3 HDFS檔案下載
@Test public void getFileFromHDFS() throws Exception{ // 1 建立配置資訊物件 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser"); // fs.copyToLocalFile(new Path("hdfs://hadoop102:9000/user/jduser/hello.txt"), new Path("d:/hello.txt")); // boolean delSrc 指是否將原檔案刪除 // Path src 指要下載的檔案路徑 // Path dst 指將檔案下載到的路徑 // boolean useRawLocalFileSystem 是否開啟檔案效驗 // 2 下載檔案 fs.copyToLocalFile(false, new Path("hdfs://hadoop102:9000/user/jduser/hello.txt"), new Path("e:/hellocopy.txt"), true); fs.close(); } |
3.2.4 HDFS目錄建立
@Test public void mkdirAtHDFS() throws Exception{ // 1 建立配置資訊物件 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser"); //2 建立目錄 fs.mkdirs(new Path("hdfs://hadoop102:9000/user/jduser/output")); } |
3.2.5 HDFS資料夾刪除
@Test public void deleteAtHDFS() throws Exception{ // 1 建立配置資訊物件 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser"); //2 刪除資料夾 ，如果是非空資料夾，引數2是否遞迴刪除，true遞迴 fs.delete(new Path("hdfs://hadoop102:9000/user/jduser/output"), true); } |
3.2.6 HDFS檔名更改
@Test public void renameAtHDFS() throws Exception{ // 1 建立配置資訊物件 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser"); //2 重新命名檔案或資料夾 fs.rename(new Path("hdfs://hadoop102:9000/user/jduser/hello.txt"), new Path("hdfs://hadoop102:9000/user/jduser/hellonihao.txt")); } |
3.2.7 HDFS檔案詳情檢視
檢視檔名稱、許可權、長度、塊資訊
@Test public void readListFiles() throws Exception { // 1 建立配置資訊物件 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser"); // 思考：為什麼返回迭代器，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-offset:" + bl.getOffset()); String[] hosts = bl.getHosts(); for (String host : hosts) { System.out.println(host); } } System.out.println("--------------李冰冰的分割線--------------"); } } |
3.2.8 HDFS檔案和資料夾判斷
@Test public void findAtHDFS() throws Exception, IllegalArgumentException, IOException{ // 1 建立配置資訊物件 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser"); // 2 獲取查詢路徑下的檔案狀態資訊 FileStatus[] listStatus = fs.listStatus(new Path("/")); // 3 遍歷所有檔案狀態 for (FileStatus status : listStatus) { if (status.isFile()) { System.out.println("f--" + status.getPath().getName()); } else { System.out.println("d--" + status.getPath().getName()); } } } |
3.3 通過IO流操作HDFS
3.3.1 HDFS檔案上傳
@Test public void putFileToHDFS() throws Exception{ // 1 建立配置資訊物件 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser"); // 2 建立輸入流 FileInputStream inStream = new FileInputStream(new File("e:/hello.txt")); // 3 獲取輸出路徑 String putFileName = "hdfs://hadoop102:9000/user/jduser/hello1.txt"; Path writePath = new Path(putFileName); // 4 建立輸出流 FSDataOutputStream outStream = fs.create(writePath); // 5 流對接 try{ IOUtils.copyBytes(inStream, outStream, 4096, false); }catch(Exception e){ e.printStackTrace(); }finally{ IOUtils.closeStream(inStream); IOUtils.closeStream(outStream); } } |
3.3.2 HDFS檔案下載
@Test public void getFileToHDFS() throws Exception{ // 1 建立配置資訊物件 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"),configuration, "jduser"); // 2 獲取讀取檔案路徑 String filename = "hdfs://hadoop102:9000/user/jduser/hello1.txt"; // 3 建立讀取path Path readPath = new Path(filename); // 4 建立輸入流 FSDataInputStream inStream = fs.open(readPath); // 5 流對接輸出到控制檯 try{ IOUtils.copyBytes(inStream, System.out, 4096, false); }catch(Exception e){ e.printStackTrace(); }finally{ IOUtils.closeStream(inStream); } } |
3.3.3 定位檔案讀取
1）下載第一塊
@Test // 定位下載第一塊內容 public void readFileSeek1() throws Exception { // 1 建立配置資訊物件 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jduser"); // 2 獲取輸入流路徑 Path path = new Path("hdfs://hadoop102:9000/user/jduser/tmp/hadoop-2.7.2.tar.gz"); // 3 開啟輸入流 FSDataInputStream fis = fs.open(path); // 4 建立輸出流 FileOutputStream fos = new FileOutputStream("e:/hadoop-2.7.2.tar.gz.part1"); // 5 流對接 byte[] buf = new byte[1024]; for (int i = 0; i < 128 * 1024; i++) { fis.read(buf); fos.write(buf); } // 6 關閉流 IOUtils.closeStream(fis); IOUtils.closeStream(fos); } |
2）下載第二塊
@Test // 定位下載第二塊內容 public void readFileSeek2() throws Exception{ // 1 建立配置資訊物件 Configuration configuration = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "jduser"); // 2 獲取輸入流路徑 Path path = new Path("hdfs://hadoop102:9000/user/jduser/tmp/hadoop-2.7.2.tar.gz"); // 3 開啟輸入流 FSDataInputStream fis = fs.open(path); // 4 建立輸出流 FileOutputStream fos = new FileOutputStream("e:/hadoop-2.7.2.tar.gz.part2"); // 5 定位偏移量（第二塊的首位） fis.seek(1024 * 1024 * 128); // 6 流對接 IOUtils.copyBytes(fis, fos, 1024); // 7 關閉流 IOUtils.closeStream(fis); IOUtils.closeStream(fos); } |
3）合併檔案
在window命令視窗中執行
type hadoop-2.7.2.tar.gz.part2 >> hadoop-2.7.2.tar.gz.part1