Hadoop3.0大数据处理学习2（HDFS）

一、简介

HDFS：Hadoop Distributed File System。Hadoop分布式存储系统 一种允许文件通过网络在多台主机上分享的文件系统，可以让多机器上的用户分享文件和存储空间。 两大特性：通透性、容错性

分布式文件管理系统的实现很多，HDFS只是其中一种，HDSF不适合存储小文件。GFS、TFS。

二、HDSF的shell

• 使用格式：bin/hdfs dfs -commond schema://authority/path
• HDFS的schema是hdfs，authority是NameNode的节点IP和对应的端口号（默认9000），path是我们要操作的路径信息。

操作commond

• ls：查询指定路径信息
• put：从本地上传文件
• cat：查看hdfs文件内容
• get：下载文件到本地
• mkdir -p：创建文件夹（-p递归创建）
• rm -r：删除文件/文件夹

# 查看
[root@cent7-1 hadoop-3.2.4]# bin/hdfs dfs -ls hdfs://cent7-1:9000/
Found 3 items
drwxr-xr-x   - root supergroup          0 2023-09-07 14:25 hdfs://cent7-1:9000/hbase
drwx-wx-wx   - root supergroup          0 2023-09-01 16:49 hdfs://cent7-1:9000/tmp
drwxr-xr-x   - root supergroup          0 2023-09-01 16:47 hdfs://cent7-1:9000/user
# 上传文件（到根目录）
[root@cent7-1 hadoop-3.2.4]# bin/hdfs dfs -put README.txt hdfs://cent7-1:9000/
# 查看的简写
[root@cent7-1 hadoop-3.2.4]# bin/hdfs dfs -ls /
Found 4 items
-rw-r--r--   1 root supergroup       1361 2023-10-16 21:35 /README.txt
drwxr-xr-x   - root supergroup          0 2023-09-07 14:25 /hbase
drwx-wx-wx   - root supergroup          0 2023-09-01 16:49 /tmp
drwxr-xr-x   - root supergroup          0 2023-09-01 16:47 /user
# 查看文件内容
[root@cent7-1 hadoop-3.2.4]# bin/hdfs dfs -cat /README.txt
For the latest information about Hadoop, please visit our website at:
# 下载文件
[root@cent7-1 hadoop-3.2.4]# bin/hdfs dfs -get /tmp
[root@cent7-1 hadoop-3.2.4]# ls
bin  etc  include  lib  libexec  LICENSE.txt  nohup.out  NOTICE.txt  README.txt  sbin  share  tmp
# 创建多级文件夹
[root@cent7-1 hadoop-3.2.4]# hdfs dfs -mkdir /dirtest
[root@cent7-1 hadoop-3.2.4]# hdfs dfs -mkdir /dirtest/xixi
## 或者使用命令[root@cent7-1 hadoop-3.2.4]# hdfs df s -mkdir -p /dirtest/xixi
[root@cent7-1 hadoop-3.2.4]# hdfs dfs -ls /
Found 5 items
-rw-r--r--   1 root supergroup       1361 2023-10-16 21:35 /README.txt
drwxr-xr-x   - root supergroup          0 2023-10-16 21:51 /dirtest
drwxr-xr-x   - root supergroup          0 2023-09-07 14:25 /hbase
drwx-wx-wx   - root supergroup          0 2023-09-01 16:49 /tmp
drwxr-xr-x   - root supergroup          0 2023-09-01 16:47 /user
# 删除文件
[root@cent7-1 hadoop-3.2.4]# hdfs dfs -rm /README.txt
Deleted /README.txt
# 删除文件夹
[root@cent7-1 hadoop-3.2.4]# hdfs dfs -rm -r /dirtest
Deleted /dirtest

三、HDFS体系结构

• hdfs包含：NameNode、SecondaryNameNode、DataNode（前俩个是在主节点启动，DataNode在从节点启动。而伪分布式启动三个）

NameNode（管理节点）

• NameNode是整个文件系统的管理节点，主要维护整个文件系统的文件目录树，文件/目录的元信息，每个文件对应的数据块列表，并且还负责接受用户的操作请求。
• NameNode文件保存在内存中，并持久化到磁盘的repo/dfs/name/current目录。包含以下文件类型：fsimage（某一时刻的元数据快照）、edits（修改操作日志）、seed_txid（存储edits文件id，在重启时，会按顺序执行，来恢复元数据信息。如果发现文件不存在，则NameNode不会启动）、VERSION（版本信息）。
• 上面的文件保存路径是由hdfs-default.xml文件中的dfs.namenode.name.dir属性控制

SecondaryNameNode（合并操作）

• 主要负责定期的把edits文件中的内容合并到fsimages中
• 这个合并操作称为checkpoint，在合并的时候会对edits中的内容进行转换，生成新的内容保存到fsimages文件中
• 距离上一次checkpoint已有一小时，或者对hdfs进行了100W次的操作。
• 注意：在NameNode的HA架构中是没有SecondaryNameNode进程的，这个文件合并操作是由Standby NameNode负责实现的。

DataNode（从节点）

• 提供真实文件数据的存储服务
• HDFS会按照固定的大小、顺序来对文件进行划分编号，划分好的每个文件块称为Block，Hdfs默认Block大小是128MB。
• HDFS中，如果一个文件小于一个数据块的大小，那么并不会占用整个数据块的存储空间。

总结

NameNode维护了两份关系

1. 第一个是File和Block List的关系，对应的关系信息存储在fsimages和edits文件中（当NameNode启动的时候会把文件中的内容加载到内存中）
2. 第二个关系：DataNode与Block的关系（当DataNode启动的时候，会把当前节点上的Block信息和节点信息上报给NameNode）