Hadoop HDFS怎么安裝使用

這篇文章主要介紹“Hadoop HDFS怎么安裝使用”，在日常操作中，相信很多人在Hadoop HDFS怎么安裝使用問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Hadoop HDFS怎么安裝使用”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

一、HDFS基本原理

HDFS(Hadoop Distribute File System)是一個分布式文件系統，是Hadoop的重要成員。

1、文件系統的問題

文件系統是操作系統提供的磁盤空間管理服務，只需要我們制定把文件放到哪兒，從哪個路徑讀取文件就可以了，不用關心文件在磁盤上是如何存放的。

當文件所需空間大于本機磁盤空間時，如何處理呢?

一是加磁盤，但是加到一定程度就有限制了;二是加機器，用遠程共享目錄的方式提供網絡化的存儲，這種方式可以理解為分布式文件系統的雛形，可以把不同文件放入不同的機器中，空間不足了可繼續加機器，突破了存儲空間的限制。但這個方式有多個問題：

• 單機負載可能極高例如某個文件是熱門，很多用戶經常讀取這個文件，就使得次文件所在機器的訪問壓力極高。

• 數據不安全如果某個文件所在的機器出現故障，這個文件就不能訪問了，可靠性很差。

• 文件整理困難例如想把一些文件的存儲位置進行調整，就需要看目標機器的空間是否夠用，并且需要自己維護文件位置，如果機器非常多，操作就極為復雜。

2、HDFS的解決思路

HDFS是個抽象層，底層依賴很多獨立的服務器，對外提供統一的文件管理功能，對于用戶來講，感覺就像在操作一臺機器，感受不到HDFS下面的多臺服務器。

例如用戶訪問HDFS中的/a/b/c.mpg這個文件，HDFS負責從底層相應服務器中讀取，然后返回給用戶，這樣用戶只需和HDFS打交道，不關心這個文件是怎么存儲的。

例如用戶需要保存一個文件/a/b/xxx.avi。

HDFS首先會把這個文件進行分割，例如分為4塊，然后分別放到不同服務器上。

這樣做有個好處，不怕文件太大，并且讀文件的壓力不會全部集中在一臺服務器上。但如果某臺服務器壞了，文件就讀不全了。

HDFS為保證文件可靠性，會把每個文件塊進行多個備份：

塊1：A B C

塊2：A B D

塊3：B C D

塊4：A C D

這樣文件的可靠性就大大增強了，即使某個服務器壞了，也可以完整讀取文件。

同時還帶來一個很大的好處，就是增加了文件的并發訪問能力，比如多個用戶讀取這個文件時，都要讀塊1，HDFS可以根據服務器的繁忙程度，選擇從那臺服務器讀塊1。

3、元數據的管理

HDFS中存了哪些文件?

文件被分成了哪些塊?

每個塊被放在哪臺服務器上?

……

這些都叫做元數據，這些元數據被抽象為一個目錄樹，記錄了這些復雜的對應關系。這些元數據由一個單獨的模塊進行管理，這個模塊叫做NameNode。存放文件塊的真實服務器叫做DataNode，所以用戶訪問HDFS的過程可以理解為：

用戶-> HDFS -> NameNode -> DataNode

4、HDFS優點

容量可以線性擴展

有副本機制，存儲可靠性高，吞吐量增大

有了NameNode后，用戶訪問文件只需指定HDFS上的路徑

二、HDFS實踐

經過上面介紹，可以對HDFS有個基本的了解，下面開始進行實際操作，在實踐中更好的認識HDFS。

1、安裝實踐環境

您可以選擇自己搭建環境，也可以使用打包好的Hadoop環境(版本2.7.3)

這個Hadoop環境實際上是一個虛機鏡像，所以需要安裝virtualbox虛擬機、vagrant鏡像管理工具，和我的Hadoop鏡像，然后用這個鏡像啟動虛機就可以了，下面是具體操作步驟：

1)安裝virtualbox

下載地址：https://www.virtualbox.org/wiki/Downloads

2)安裝vagrant

因為官網下載較慢，我上傳到了云盤

Windows版

鏈接: https://pan.baidu.com/s/1pKKQGHl

密碼: eykr

Mac版

鏈接: https://pan.baidu.com/s/1slts9yt

密碼: aig4

安裝完成后，在命令行終端下就可以使用vagrant命令。

3)下載Hadoop鏡像

鏈接: https://pan.baidu.com/s/1bpaisnd

密碼: pn6c

4)啟動

加載Hadoop鏡像

vagrant box add {自定義鏡像名稱} {鏡像所在路徑}

例如您想命名為Hadoop，鏡像下載后的路徑為d:\hadoop.box，加載命令就是這樣：

vagrant box add hadoop d:\hadoop.box

創建工作目錄，例如d:\hdfstest。

進入此目錄，初始化

cd d:\hdfstest vagrant init hadoop

啟動虛機

vagrant up

啟動完成后，就可以使用SSH客戶端登錄虛機了

IP 127.0.0.1

端口 2222

用戶名 root

密碼 vagrant

登錄后使用命令ifconfig 查看本虛機的IP(如192.168.31.239)，可以使用此IP和端口22登錄了

IP 192.168.31.239

端口 22

用戶名 root

密碼 vagrant

Hadoop服務器環境搭建完成。

2、Shell命令行操作

登錄Hadoop服務器后，先啟動HDFS，執行命令：

start-dfs.sh

查看幫助

hdfs dfs –help

顯示目錄信息

-ls 后面是要查看的目錄路徑

創建目錄

創建目錄/test

hdfs dfs -mkdir /test

一次創建多級目錄/aa/bb

hdfs dfs -mkdir -p /aa/bb

上傳文件

形式

hdfs dfs -put {本地路徑} {hdfs中的路徑}

實例(先創建好一個測試文件mytest.txt，內容隨意，然后上傳到/test)

hadoop fs -put ~/mytest.txt /test

顯示文件內容

hdfs dfs -cat /test/mytest.txt

下載文件

hdfs dfs -get /test/mytest.txt ./mytest2.txt

合并下載

先創建2個測試文件(log.access, log.error)，內容隨意，使用-put上傳到/test目錄下

hdfs dfs -put log.* /test

然后把2個log文件合并下載到一個文件中

hdfs dfs -getmerge /test/log.* ./log

查看本地log文件內容，應該包含log.access與log.error兩個文件的內容。

復制

從HDFS的一個路徑拷貝HDFS的另一個路徑

hdfs dfs -cp /test/mytest.txt /aa/mytest.txt.2

驗證

hdfs dfs -ls /aa

移動文件

hdfs dfs -mv /aa/mytest.txt.2 /aa/bb

驗證

hdfs dfs -ls /aa/bb

應列出mytest.txt.2。

刪除

hdfs dfs -rm -r /aa/bb/mytest.txt.2

使用-r參數可以一次刪除多級目錄。

驗證

hdfs dfs -ls /aa/bb

應為空

修改文件權限

與Linux文件系統中的用法一樣，修改文件所屬權限

-chgrp  -chmod  -chown

示例

hdfs dfs -chmod 666 /test/mytest.txt  hdfs dfs -chown someuser:somegrp /test/mytest.txt

統計文件系統的可用空間

hdfs dfs -df -h /

統計文件夾的大小

hdfs dfs -du -s -h /test

3、Java API操作

(1)環境配置

因為需要在本機鏈接Hadoop虛機服務器，所以需要配置Hadoop，使其可以被外部訪問。

先登錄Hadoop虛機服務器，然后：

1)查看本機IP

ip address

例如IP為：192.168.31.239

2)修改文件：

vi /usr/local/hadoop-2.7.3/etc/hadoop/core-site.xml  fs.defaultFS  hdfs://localhost:9000

把其中的localhost:9000修改為本機IP 192.168.31.239:9000

3)重新啟動HDFS

#停止

stop-dfs.sh

#啟動

start-dfs.sh

(2)搭建開發環境

1)新建項目目錄hdfstest

2)在項目目錄下創建pom.xml

內容：

3)創建源碼目錄src/main/java

現在項目目錄結構

├── pom.xml  !"" src  │ └── main  │ └── java

(3)示例代碼

查看文件列表ls

1)新建文件src/main/java/Ls.java

列出/下的文件列表，及遞歸獲取所有文件

2)編譯執行

mvn compile  mvn exec:java -Dexec.mainClass="Ls" -Dexec.cleanupDaemonThreads  =false

創建目錄mkdir

在HDFS中創建目錄/mkdir/a/b

1)新建文件

src/main/java/Mkdir.java

2)編譯執行

mvn compile  mvn exec:java -Dexec.mainClass="Mkdir" -Dexec.cleanupDaemonThre  ads=false

3)在服務器中使用HDFS命令驗證

hdfs dfs -ls /mkdir

上傳文件put

在當前項目目錄下新建測試文件，上傳到HDFS中的/mkdir

1)在項目目錄下創建測試文件testfile.txt，內容隨意

2)新建文件src/main/java/Put.java

3)編譯執行

mvn compile mvn exec:java -Dexec.mainClass="Put" -Dexec.cleanupDaemonThread  s=false

4)在服務器中使用HDFS命令驗證

hdfs dfs -ls /mkdir hdfs dfs -cat /mkdir/testfile.txt

下載文件get

1)新建文件src/main/java/Get.java

把HDFS中/mkdir/test?le.txt下載到當前項目目錄下

2)編譯執行

mvn compile mvn exec:java -Dexec.mainClass="Get" -Dexec.cleanupDaemonThread s=false

3)查看項目目錄下是否存在test?le2.txt及其內容

刪除文件delete

刪除HDFS上之前上傳的/mkdir/test?le.txt

1)新建文件src/main/java/Del.java

2)編譯執行

mvn compile mvn exec:java -Dexec.mainClass="Del" -Dexec.cleanupDaemonThread s=false

3)在服務器中使用HDFS命令驗證，檢查test?le.txt是否被刪除

hdfs dfs -ls /mkdir

重命名rename

把HDFS中的/mkdir/a重命名為/mkdir/a2

1)新建文件src/main/java/Rename.java

2)編譯執行

mvn compile  mvn exec:java -Dexec.mainClass="Rename" -Dexec.cleanupDaemonThr  eads=false

3)在服務器中使用HDFS命令驗證

hdfs dfs -ls /mkdir

流方式讀取文件部分內容

上傳一個文本文件，然后使用流方式讀取部分內容保存到當前項目目錄。

1)在服務器中創建一個測試文件test.txt，內容：

123456789abcdefghijklmn

上傳到HDFS

hdfs dfs -put test.txt /

2)在本地項目中新建文件src/main/java/StreamGet.java

2)編譯執行

mvn compile mvn exec:java -Dexec.mainClass="StreamGet" -Dexec.cleanupDaemon Threads=false

3)執行后查看項目目錄下的test.txt.part2

6789abcdefghijklmn

前面的12345已經被略過

三、深入了解

1、寫入機制

向HDFS中寫入文件時，是按照塊兒為單位的，client會根據配置中設置的塊兒的大小把目標文件切為多塊，例如文件是300M  ,配置中塊大小值為128M，那么就分為3塊兒。

具體寫入流程：

client向namenode發請求，說想要上傳文件

namenode會檢查目標文件是否存在、父目錄是否存在，檢查沒有問題后返回確認信息

client再發請求，問***個block應該傳到哪些datanode上

namenode經過衡量，返回3個可用的datanode(A，B，C)

client與A建立連接，A與B建立連接，B與C建立連接，形成一個pipeline

傳輸管道建立完成后，client開始向A發送數據包，此數據包會經過管道一次傳遞到B和C

當***個block的數據都傳完以后，client再向namenode請求第二個block上傳到哪些datanode，然后建立傳輸管道發送數據

就這樣，直到client把文件全部上傳完成

2、讀取機制

Client把要讀取的文件路徑發給namenode，查詢元數據，找到文件塊所在的datanode服務器

Client直到了文件包含哪幾塊兒、每一塊兒在哪些datanode上，就選擇那些離自己進的datanode(在同一機房，如果有多個離著近的，就隨機選擇)，請求簡歷socket流

從datanode獲取數據

Client接收數據包，先本地緩存，然后寫入目標文件

直到文件讀取完成

3、NameNode機制

通過對HDFS讀寫流程的了解，可以發現namenode是一個很重要的部分，它記錄著整個HDFS系統的元數據，這些元數據是需要持久化的，要保存到文件中。

Namenode還要承受巨大的訪問量，client讀寫文件時都需要請求namenode，寫文件時要修改元數據，讀文件時要查詢元數據。

為了提高效率，namenode便將元數據加載到內存中，每次修改時，直接修改內存，而不是直接修改文件，同時會記錄下操作日志，供后期修改文件時使用。

這樣，namenode對數據的管理就涉及到了3種存儲形式：

1. 內存數據

2. 元數據文件

3. 操作日志文件

namenode需要定期對元數據文件和日志文件進行整合，以保證文件中數據是新的，但這個過程很消耗性能，namenode需要快速地響應client的大量請求，很難去完成文件整合操作，這時就引入了一個小助手secondnamenode。

secondnamenode會定期從namenode中下載元數據文件和操作日志，進行整合，形成新的數據文件，然后傳回namenode，并替換掉之前的舊文件。

secondnamenode是namenode的好幫手，替namenode完成了這個重體力活兒，并且還可以作為namenode的一個防災備份，當namenode數據丟失時，secondnamenode上有最近一次整理好的數據文件，可以傳給namenode進行加載，這樣可以保證最少的數據丟失。

到此，關于“Hadoop HDFS怎么安裝使用”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！