【Hadoop_03】HDFS概述与Shell操作

1、集群配置
2、HDFS概述
3、HDFS的Shell操作

1、集群配置

（1）集群启动/停止方式总结

1）各个模块分开启动/停止（配置ssh是前提）常用

（1）整体启动/停止HDFS

python 复制代码

start-dfs.sh/stop-dfs.sh

（2）整体启动/停止YARN

python 复制代码

start-yarn.sh/stop-yarn.sh

2）各个服务组件逐一启动/停止

（1）分别启动/停止HDFS组件

python 复制代码

hdfs --daemon start/stop namenode/datanode/secondarynamenode

（2）启动/停止YARN

python 复制代码

yarn --daemon start/stop  resourcemanager/nodemanager

一般都是按照集群来启动，不然如果有100+台服务器的话，就无法启动了

（2）编写Hadoop集群常用脚本

在写脚本的时候，能写绝对路径就不要写相对路径。

1）Hadoop集群启停脚本（包含HDFS，Yarn，Historyserver）：myhadoop.sh

python 复制代码

[root@hadoop102 ~]$ cd /home/wenxin/bin
[root@hadoop102 bin]$ vim myhadoop.sh

输入如下内容

python 复制代码

#!/bin/bash

if [ $# -lt 1 ]
then
    echo "No Args Input..."
    exit ;
fi

case $1 in
"start")
        echo " =================== 启动 hadoop集群 ==================="

        echo " --------------- 启动 hdfs ---------------"
        ssh hadoop102 "/home/wenxin/module/hadoop-3.1.3/sbin/start-dfs.sh"
        echo " --------------- 启动 yarn ---------------"
        ssh hadoop103 "/home/wenxin/module/hadoop-3.1.3/sbin/start-yarn.sh"
        echo " --------------- 启动 historyserver ---------------"
        ssh hadoop102 "/home/wenxin/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
        echo " =================== 关闭 hadoop集群 ==================="

        echo " --------------- 关闭 historyserver ---------------"
        ssh hadoop102 "/home/wenxin/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
        echo " --------------- 关闭 yarn ---------------"
        ssh hadoop103 "/home/wenxin/module/hadoop-3.1.3/sbin/stop-yarn.sh"
        echo " --------------- 关闭 hdfs ---------------"
        ssh hadoop102 "/home/wenxin/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
    echo "Input Args Error..."
;;
esac

目前还没找到解决方法。

2）查看三台服务器Java进程脚本：jpsall

python 复制代码

[root@hadoop102 bin]$ vim jpsall

输入如下内容

python 复制代码

#!/bin/bash

for host in hadoop102 hadoop103 hadoop104
do
        echo =============== $host ===============
        ssh $host jps 
done

保存后退出，然后赋予脚本执行权限

python 复制代码

[root@hadoop102 bin]$ chmod +x jpsall

3）分发/bin目录，保证自定义脚本在三台机器上都可以使用

python 复制代码

[root@hadoop102 ~]$ xsync /bin

（3）常考面试题

【1】常用端口号

hadoop3.x

HDFP NameNode 内部通讯端口：8020/9000/9820

HDFS NameNode 对用户的查询端口：9870

Yarn查看任务运行情况的：8088

历史服务器：19888
hadoop2.x

HDFS NameNode 内部通讯端口：8020/9000

HDFS NameNode 对用户的查询端口：50070

Yarn查看任务运行情况的：8088

历史服务器19888

【2】常用配置-文件

hadoop3.x ：

core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml workers
hadoop2.x :

core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml slaves

2、HDFS概述

（1）HDFS产出背景及定义

1）HDFS产生背景

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。
分布式指的是多台服务器解决同一件事情。

2）HDFS定义

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。
已经写入的就不适合修改了

（2）HDFS优缺点

优点：

缺点：

（3）HDFS的组成架构

（4）HDFS文件块大小（面试重点）

块太大不利于后期的并发运算，而且处理起来较慢。

3、HDFS的Shell操作

hadoop fs 具体命令或者R hdfs dfs 具体命令

两个是完全相同的。

命令大全：

sql 复制代码

[-appendToFile <localsrc> ... <dst>]
        [-cat [-ignoreCrc] <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>]
        [-df [-h] [<path> ...]]
        [-du [-s] [-h] <path> ...]
        [-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-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>]
        [-rm [-f] [-r|-R] [-skipTrash] <src> ...]
        [-rmdir [--ignore-fail-on-non-empty] <dir> ...]
<acl_spec> <path>]]
        [-setrep [-R] [-w] <rep> <path> ...]
        [-stat [format] <path> ...]
        [-tail [-f] <file>]
        [-test -[defsz] <path>]
        [-text [-ignoreCrc] <src> ...]

（1）准备工作

启动dfs服务

-help：输出这个命令参数

sql 复制代码

hadoop fs -help rm

创建/sanguo文件夹

sql 复制代码

hadoop fs -mkdir /sanguo

在网址上输入：hadoop102:9870

（2）上传命令

1）-moveFromLocal：从本地剪切粘贴到HDFS

sql 复制代码

[root@hadoop102 hadoop-3.1.3]# hadoop fs -moveFromLocal ./shuguo.txt /sanguo

2）-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

sql 复制代码

[root@hadoop102 hadoop-3.1.3]# hadoop fs -copyFromLocal weiguo.txt /sanguo

3）-put：等同于copyFromLocal，生产环境更习惯用put

sql 复制代码

[root@hadoop102 hadoop-3.1.3]# hadoop fs -put wuguo.txt /sanguo

4）-appendToFile：追加一个文件到已经存在的文件末尾【HDFS只允许在文件的末尾进行追加，不允许修改】

sql 复制代码

[root@hadoop102 hadoop-3.1.3]# hadoop fs -appendToFile liubei.txt /sanguo/shuguo.txt

将liubei.txt文件追加到sanguo文件夹下的shuguo.txt文件的末尾

（3）下载命令

1）-copyToLocal：从HDFS拷贝到本地

sql 复制代码

hadoop fs -copyToLocal /sanguo/shuguo.txt ./

将hdfs中的sanguo文件夹下的shuguo.txt文件拷贝到本地的当前路径下

2）-get：等同于copyToLocal，生产环境更习惯用get

sql 复制代码

hadoop fs -get /sanguo/shuguo.txt ./

（4）HDFS直接操作命令

1）-ls: 显示目录信息

sql 复制代码

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /sanguo

2）-cat：显示文件内容

sql 复制代码

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -cat /sanguo/shuguo.txt

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

sql 复制代码

[root@hadoop102 hadoop-3.1.3]$ hadoop fs  -chmod 666  /sanguo/shuguo.txt
[root@hadoop102 hadoop-3.1.3]$ hadoop fs  -chown  root:root   /sanguo/shuguo.txt

4）-mkdir：创建路径

sql 复制代码

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /jinguo

5）-cp：从HDFS的一个路径拷贝到HDFS的另一个路径

sql 复制代码

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -cp /sanguo/shuguo.txt /jinguo

6）-mv：在HDFS目录中移动文件

sql 复制代码

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/wuguo.txt /jinguo
[root@hadoop102 hadoop-3.1.3]$ hadoop fs -mv /sanguo/weiguo.txt /jinguo

7）-tail：显示一个文件的末尾1kb的数据

因为在生产环境当中，往往最末尾的文件是最新的文件。文件都是从最末尾追加的。

sql 复制代码

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -tail /jinguo/shuguo.txt

8）-rm：删除文件或文件夹

sql 复制代码

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -rm /sanguo/shuguo.txt

9）-rm -r：递归删除目录及目录里面内容

sql 复制代码

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /sanguo

10）-du统计文件夹的大小信息

sql 复制代码

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -du -s -h /jinguo

sql 复制代码

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -du  -h /jinguo

11）-setrep：设置HDFS中文件的副本数量

sql 复制代码

[root@hadoop102 hadoop-3.1.3]$ hadoop fs -setrep 10 /jinguo/shuguo.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。