黑马程序员技术交流社区

标题: 大数据 [打印本页]

作者: Jason-eason 时间: 2019-12-24 16:33
标题: 大数据
hdfs  的理解
在现代的企业环境中，单机容量往往无法存储大量数据，需要跨机器存储。统一管理分布在集群上的文件系统称为分布式文件系统。
  HDFS（Hadoop Distributed File System）是 Apache Hadoop 项目的一个子项目. Hadoop 非常适于存储大型数据 (比如 TB 和 PB), 其就是使用 HDFS 作为存储系统. 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.
1.2 历史
1. Doug Cutting 在做 Lucene 的时候, 需要编写一个爬虫服务, 这个爬虫写的并不顺利, 遇到了一些问题, 诸如: 如何存储大规模的数据, 如何保证集群的可伸缩性, 如何动态容错等 2. 2013年的时候, Google 发布了三篇论文, 被称作为三驾马车, 其中有一篇叫做 GFS, 是描述了 Google 内部的一个叫做 GFS 的分布式大规模文件系统, 具有强大的可伸缩性和容错性 3. Doug Cutting 后来根据 GFS 的论文, 创造了一个新的文件系统, 叫做 HDFS
北京市昌平区建材城西路金燕龙办公楼一层电话：400-618-9090

2. HDFS应用场景
2.1 适合的应用场景
存储非常大的文件：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。采用流式的数据访问方式: 即一次写入、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。运行于商业硬件上: Hadoop不需要特别贵的机器，可运行于普通廉价机器，可以处节约成本需要高容错性
为数据存储提供所需的扩展能力
2.2 不适合的应用场景
1）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
2）大量小文件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。
3）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oset的修改。不支持多个写入器（writer）
3. HDFS 的架构
HDFS是一个主/从（Mater/Slave）体系结构，
HDFS由四部分组成，HDFS Client、NameNode、DataNode和Secondary NameNode。
北京市昌平区建材城西路金燕龙办公楼一层电话：400-618-9090
**1、Client：就是客户端。
文件切分。文件上传 HDFS 的时候，Client 将文件切分成一个一个的Block，然后进行存储。与 NameNode 交互，获取文件的位置信息。与 DataNode 交互，读取或者写入数据。 Client 提供一些命令来管理和访问HDFS，比如启动或者关闭HDFS。  2、NameNode：就是 master，它是一个主管、管理者。
管理 HDFS 的名称空间管理数据块（Block）映射信息配置副本策略处理客户端读写请求。
  3、DataNode：就是Slave。NameNode 下达命令，DataNode 执行实际的操作。
存储实际的数据块。执行数据块的读/写操作。
  4、Secondary NameNode：并非 NameNode 的热备。当NameNode 挂掉的时候，它并不能马上替换 NameNode 并提供服务。
辅助 NameNode，分担其工作量。定期合并 fsimage和fsedits，并推送给NameNode。在紧急情况下，可辅助恢复 NameNode。
4:NameNode和DataNode
北京市昌平区建材城西路金燕龙办公楼一层电话：400-618-9090

NameNode在内存中保存着整个文件系统的名称空间和文件数据块的地址映射整个HDFS可存储的文件数受限于NameNode的内存大小
1、NameNode元数据信息文件名，文件目录结构，文件属性(生成时间，副本数，权限)每个文件的块列表。以及列表中的块与块所在的DataNode之间的地址映射关系在内存中加载文件系统中每个文件和每个数据块的引用关系(文件、block、datanode之间的映射信息) 数据会定期保存到本地磁盘（fsImage文件和edits文件）
2、NameNode文件操作 NameNode负责文件元数据的操作 DataNode负责处理文件内容的读写请求，数据流不经过NameNode，会询问它跟那个DataNode联系
3、NameNode副本文件数据块到底存放到哪些DataNode上，是由NameNode决定的，NN根据全局情况做出放置副本的决定
4、NameNode心跳机制全权管理数据块的复制，周期性的接受心跳和块的状态报告信息（包含该DataNode上所有数据块的列表）若接受到心跳信息，NameNode认为DataNode工作正常，如果在10分钟后还接受到不到DN的心跳，那么NameNode认为DataNode已经宕机 ,这时候 NN准备要把DN上的数据块进行重新的复制。块的状态报告包含了一个DN上所有数据块的列表，blocks report 每个1小时发送一次.
4.2 DataNode作用提供真实文件数据的存储服务。
1、Data Node以数据块的形式存储HDFS文件
2、Data Node 响应HDFS 客户端读写请求
3、Data Node 周期性向NameNode汇报心跳信息
### 4.1 NameNode作用1
北京市昌平区建材城西路金燕龙办公楼一层电话：400-618-9090
4、Data Node 周期性向NameNode汇报数据块信息
5、Data Node 周期性向NameNode汇报缓存数据块信息
5:HDFS的副本机制和机架感知
5.1 HDFS 文件副本机制
所有的文件都是以 block 块的方式存放在 HDFS 文件系统当中,作用如下
1. 一个文件有可能大于集群中任意一个磁盘，引入块机制,可以很好的解决这个问题 2. 使用块作为文件存储的逻辑单位可以简化存储子系统 3. 块非常适合用于数据备份进而提供数据容错能力
在 Hadoop1 当中, 文件的 block 块默认大小是 64M, hadoop2 当中, 文件的 block 块大小默认是 128M, block 块的大小可以通过 hdfs-site.xml 当中的配置文件进行指定

5.2 机架感知
HDFS分布式文件系统的内部有一个副本存放策略：以默认的副本数=3为例：
1、第一个副本块存本机
<property> <name>dfs.block.size</name> <value>块大小以字节为单位</value> </property>
1 2 3 4
北京市昌平区建材城西路金燕龙办公楼一层电话：400-618-9090
2、第二个副本块存跟本机同机架内的其他服务器节点
3、第三个副本块存不同机架的一个服务器节点上
6、hdfs的命令行使用
ls

lsr

mkdir

put

moveFromLocal

格式： hdfs dfs -ls  URI 作用：类似于Linux的ls命令，显示文件列表
hdfs  dfs -ls  /
格式  : hdfs  dfs -lsr URI 作用  : 在整个目录下递归执行ls, 与UNIX中的ls-R类似
hdfs  dfs -lsr  /
格式： hdfs  dfs [-p] -mkdir <paths> 作用 : 以<paths>中的URI作为参数，创建目录。使用-p参数可以递归创建目录
格式： hdfs dfs -put <localsrc >  ... <dst> 作用：  将单个的源文件src或者多个源文件srcs从本地文件系统拷贝到目标文件系统中（<dst> 对应的路径）。也可以从标准输入中读取输入，写入目标文件系统中
hdfs dfs -put  /rooot/a.txt  /dir1
格式： hdfs  dfs -moveFromLocal  <localsrc> <dst> 作用: 和put命令类似，但是源文件localsrc拷贝之后自身被删除
1 2
1
1 2
1
1 2
1 2
1
1 2
北京市昌平区建材城西路金燕龙办公楼一层电话：400-618-9090

moveToLocal

get

mv

rm

cp

hdfs  dfs -moveFromLocal  /root/install.log  /
未实现
格式 hdfs dfs -get [-ignorecrc ]  [-crc]  <src> <localdst>

作用：将文件拷贝到本地文件系统。 CRC 校验失败的文件通过-ignorecrc选项拷贝。文件和CRC 校验和可以通过-CRC选项拷贝
hdfs dfs -get /install.log  /export/servers
格式  ： hdfs  dfs -mv URI <dest> 作用：将hdfs上的文件从原路径移动到目标路径（移动之后文件删除），该命令不能夸文件系统
hdfs  dfs -mv  /dir1/a.txt /dir2
格式： hdfs dfs -rm [-r] 【-skipTrash】 URI 【URI 。。。】作用：   删除参数指定的文件，参数可以有多个。   此命令只删除文件和非空目录。如果指定-skipTrash选项，那么在回收站可用的情况下，该选项将跳过回收站而直接删除文件；否则，在回收站可用时，在HDFS Shell 中执行此命令，会将文件暂时放到回收站中。
hdfs  dfs -rm -r  /dir1
格式:     hdfs dfs -cp URI [URI ...] <dest> 作用：    将文件拷贝到目标路径中。如果<dest> 为目录的话，可以将多个文件拷贝到该目录下。 -f 选项将覆盖目标，如果它已经存在。 -p 选项将保留文件属性（时间戳、所有权、许可、ACL、XAttr）。
1
1
1 2 3
1
1 2
1
1 2 3 4
1
1 2
3 4 5 6
北京市昌平区建材城西路金燕龙办公楼一层电话：400-618-9090

cat

chmod

chown

appendToFile

7、hdfs的高级使用命令

欢迎光临黑马程序员技术交流社区 (http://bbs.itheima.com/)

黑马程序员IT技术论坛 X3.2