HDFS产生背景（解决的问题）
随着数据量越来越大，在一个操作系统管辖的范围内存不下了，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。
HDFS概念
HDFS（Hadoop Distributed File System）： 它是一个分布式文件系统，用于存储文件，通过目录树来定位文件；
HDFS的设计适合一次写入，多次读出的场景，且不支持文件的修改。适合用来做数据分析，并不适合用来做网盘应用。
HDFS优缺点
优点
1）高容错性
（1）数据自动保存多个副本。它通过增加副本的形式，提高容错性；
（2）某一个副本丢失以后，它可以自动恢复。
2）适合大数据处理
（1）数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据；
（2）文件规模：能够处理百万规模以上的文件数量，数量相当之大。
3）可靠性
可构建在廉价机器上，通过多副本机制，提高可靠性。
缺点
1）不适合低延时数据访问，比如毫秒级的存储数据，是做不到的。
2）无法高效的对大量小文件进行存储
（1）存储大量小文件的话，它会占用NameNode大量的内存来存储文件、目录和块信息。这样是不可取的，因为NameNode的内存总是有限的；
（2）小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标。
3）不支持并发写入、文件随机修改
（1）一个文件只能有一个写，不允许多个线程同时写；
（2）仅支持数据append（追加），不支持文件的随机修改。
HDFS组成架构
架构主要由四个部分组成，分别为HDFS Client、NameNode、DataNode和Secondary NameNode。
1）Client：就是客户端。
（1）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；
（2）与NameNode交互，获取文件的位置信息；
（3）与DataNode交互，读取或者写入数据；
（4）Client提供一些命令来管理，访问HDFS，比如启动，关闭，访问HDFS；
2）NameNode：就是Master，它是一个主管、管理者。
（1）管理 HDFS的名称空间；namespace
（2）管理 数据块（Block）映射信息；
（3）配置副本策略（默认3 ）；
（4）处理客户端读写请求加粗样式。
3） DataNode：就是Slave。NameNode下达命令，DataNode执行实际的操作。
（1）存储实际的数据块；
（2）执行数据块的读/写操作。
4） SecondaryNameNode：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。
（1）辅助 NameNode，分担 其工作量；
（2）定期合并Fsimage和Edits，并推送给NameNode；
（3）在紧急情况下，可辅助恢复NameNode。
HDFS的Shell客户端操作
基本语法
hadoop fs 具体命令
也可以用下面这种
hdfs dfs 具体命令
常用命令实操
启动Hadoop集群
start-dfs.sh
start-yarn.sh
-help：输出这个命令参数
hadoop fs -help rm
-ls: 显示目录信息
hadoop fs -ls /
-mkdir：在hdfs上创建目录
hadoop fs -mkdir -p /
-moveFromLocal从本地剪切粘贴到hdfs
touch xxx.txt
hadoop fs -moveFromLocal xxx.txt /
-appendToFile ：追加一个文件到已经存在的文件末尾
touch yyy.txt
vim yyy.txt
输入
yyy
hadoop fs -appendToFile yyy.txt /xxx.txt
-cat：显示文件内容
hadoop fs -cat /xxx.txt
-tail：显示一个文件的末尾
hadoop fs -tail /xxx.txt
-chgrp 、-chmod、-chown：linux文件系统中的用法一样，修改文件所属权限
hadoop fs -chmod 666 /xxx.txt
hadoop fs -chown root:root /xxx.txt
-copyFromLocal：从本地文件系统中拷贝文件到hdfs路径去
hadoop fs -copyFromLocal xxx.txt /
-copyToLocal：从hdfs拷贝到本地
hadoop fs -copyToLocal /xxx.txt ./
-cp ：从hdfs的一个路径拷贝到hdfs的另一个路径
hadoop fs -cp /xxx.txt /aaa/zzz.txt
-mv：在hdfs目录中移动文件
hadoop fs -mv /aaa/zzz.txt /
-get：等同于copyToLocal，就是从hdfs下载文件到本地
hadoop fs -get /xxx.txt ./
-getmerge ：合并下载多个文件，比如hdfs的目录 /aaa/下有多个文件:log.1,log.2,log.3,...
hadoop fs -getmerge /aaa/* ./merge.txt
-put：等同于copyFromLocal 上传
hadoop fs -put ./merge.txt /
-rm：删除文件或文件夹
hadoop fs -rm /xxx.txt
-rmdir：删除空目录
hadoop fs -mkdir /aaa
-du统计文件夹的大小信息
hadoop fs -du -h /user/root/test
-setrep：设置hdfs中文件的副本数量
hadoop fs -setrep 10 /xxx.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。
HDFS的Java客户端操作
配置环境变量
添加maven依赖
HDFS的API操作
1.创建目录
@Test
public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
// 配置在集群上运行
// configuration.set("fs.defaultFS", "hdfs://hadoop101:9000");
// FileSystem fs = FileSystem.get(configuration);
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "root");
// 2 创建目录
fs.mkdirs(new Path("/0723"));
// 3 关闭资源
fs.close();
}
2.HDFS文件上传
@Test
public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {
// 1 获取文件系统
Configuration configuration = new Configuration();
configuration.set("dfs.replication", "2");
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "root");
// 2 上传文件
fs.copyFromLocalFile(new Path("e:/hello.txt"), new Path("/hello.txt"));
// 3 关闭资源
fs.close();
System.out.println("over");
}
3.HDFS文件下载
@Test
public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "root");
// 2 执行下载操作
// boolean delSrc 指是否将原文件删除
// Path src 指要下载的文件路径
// Path dst 指将文件下载到的路径
// boolean useRawLocalFileSystem 是否开启文件校验
fs.copyToLocalFile(false, new Path("/hello1.txt"), new Path("e:/hello1.txt"), true);
// 3 关闭资源
fs.close();
}
4.HDFS文件夹删除
@Test
public void testDelete() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "root");
// 2 执行删除
fs.delete(new Path("/1108/"), true);
// 3 关闭资源
fs.close();
}
5.HDFS文件名更改
@Test
public void testRename() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "root");
// 2 修改文件名称
fs.rename(new Path("/hello.txt"), new Path("/hello6.txt"));
// 3 关闭资源
fs.close();
}
6.HDFS文件和文件夹判断
@Test
public void = throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件配置信息
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "root");
// 2 判断是文件还是文件夹
FileStatus[] listStatus = fs.listStatus(new Path("/"));
for (FileStatus fileStatus : listStatus) {
// 如果是文件
if (fileStatus.isFile()) {
System.out.println("f:"+fileStatus.getPath().getName());
}else {
System.out.println("d:"+fileStatus.getPath().getName());
}
}
// 3 关闭资源
fs.close();
}
7.通过IO流操作HDFS
HDFS文件上传
@Test
public void testPutFileToHDFS() throws IOException, InterruptedException, URISyntaxException{
// 1、获取文件配置信息
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "root");
// 2、创建输入流
FileInputStream fis = new FileInputStream(new File("e:/website.log"));
// 3、获取输出流
FSDataOutputStream fsDataOutputStream = fileSystem.create(new Path("/567.log"));
// 4、流对拷
IOUtils.copyBytes(fis,fsDataOutputStream,configuration);
// 3 关闭资源
IOUtils.closeStream(fis);
IOUtils.closeStream(fsDataOutputStream);
fs.close();
}
HDFS文件下载到本地
@Test
public void testGetFileFromHDFS() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件配置信息
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop101:9000"), configuration, "root");
// 2、创建输入流
FSDataInputStream fis = fs.open(new Path("/567.log"));
// 3、获取输出流
FileOutputStream fileOutputStream = new FileOutputStream(new File("e:/678.log"));
// 4、流对拷
IOUtils.copyBytes(fis,fileOutputStream,configuration);
// 3 关闭资源
IOUtils.closeStream(fis);
IOUtils.closeStream(fileOutputStream);
fs.close();
}
HDFS的数据流
HDFS写数据流程
1）客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。
2）NameNode返回是否可以上传。
3）客户端请求第一个 block上传到哪几个datanode服务器上。
4）NameNode返回3个datanode节点，分别为dn1、dn2、dn3。
5）客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成。
6）dn1、dn2、dn3逐级应答客户端。
7）客户端开始往dn1上传第一个block（先从磁盘读取数据放到一个本地内存缓存），以packet为单位，dn1收到一个packet就会传给dn2，dn2传给dn3；
8）当一个block传输完成之后，客户端再次请求NameNode上传第二个block的服务器。（重复执行3-7步）。
HDFS读数据流程
1）客户端通过Distributed FileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
3）DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以packet为单位来做校验）。
4）客户端以packet为单位接收，先在本地缓存，然后写入目标文件。
NameNode和SecondaryNameNode工作机制
- 第一阶段：NameNode启动
（1）第一次启动NameNode格式化后，创建fsimage和edits文件。如果不是第一次启动，直接加载编辑日志和镜像文件到内存。
（2）客户端对元数据进行增删改的请求。
（3）NameNode记录操作日志，更新滚动日志。
（4）NameNode在内存中对数据进行增删改查。 - 第二阶段：Secondary NameNode工作
（1）Secondary NameNode询问NameNode是否需要checkpoint。直接带回NameNode是否检查结果。
（2）Secondary NameNode请求执行checkpoint。
（3）NameNode滚动正在写的edits日志。
（4）将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。
（5）Secondary NameNode加载编辑日志和镜像文件到内存，并合并。
（6）生成新的镜像文件fsimage.chkpoint。
（7）拷贝fsimage.chkpoint到NameNode。
（8）NameNode将fsimage.chkpoint重新命名成fsimage。
DataNode工作机制
1）一个数据块在DataNode上以文件形式存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳。
2）DataNode启动后向NameNode注册，通过后，周期性（1小时）的向NameNode上报所有的块信息。
3）心跳是每3秒一次，心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器，或删除某个数据块。如果超过10分钟没有收到某个DataNode的心跳，则认为该节点不可用。