Java+大数据开发——HDFS详解
| 1. HDFS 介绍 |
• 什么是HDFS
首先，它是一个文件系统，用于存储文件，通过统一的命名空间——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；
• 设计思想
分而治之：将大文件、大批量文件，分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析；
• 在大数据系统中作用：
为各类分布式运算框架（如：mapreduce，spark，tez，……）提供数据存储服务。
• Hdfs整体架构如下
| 2. HDFS的特性 |
（1）HDFS中的文件在物理上是分块存储（block）。块的大小可以通过配置参数( dfs.blocksize)来规定，默认大小在hadoop2.x版本中是128M。
（2）HDFS文件系统会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data。
（3）目录结构及文件分块信息(元数据)的管理由namenode节点承担，namenode是HDFS集群主节点，负责维护整个hdfs文件系统的目录树，以及每一个路径（文件）所对应的block块信息。
（4）文件的各个block的存储管理由datanode节点承担，datanode是HDFS集群从节点，每一个block都可以在多个datanode上存储多个副本（副本数量也可以通过参数设置dfs.replication）。想系统学习大数据的话，可以加入大数据技术学习扣扣君羊：522189307
（5）HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改。
| 3. HDFS 的shell（命令行客户端）操作 |
3.1HDFS命令行客户端使用
HDFS提供shell命令行客户端，使用命令语法为：hadoop fs <args>，它支持支持多种文件系统的访问，主要包括Local和HDFS两种，配置文件中的fs.defaultFS的值决定了默认访问的文件系统。其中命令中的“fs”表示FileSystem Shell。
“<args>”是“fs”的子命令，包括：
创建目录：mkdir
列表文件：ls
查看文件：cat
转移文件：put、get、mv、cp
删除文件：rm、rmr
管理命令：test、du、expunge
3.2常用命令参数介绍
| -help 功能：输出这个命令参数手册 |
| -ls 功能：显示目录信息 示例： hadoop fs -ls hdfs://hadoop-server01:9000/ 备注：这些参数中，所有的hdfs路径都可以简写 -->hadoop fs -ls / 等同于上一条命令的效果 |
| -mkdir 功能：在hdfs上创建目录 示例：hadoop fs -mkdir -p /aaa/bbb/cc/dd |
| --appendToFile 功能：追加一个文件到已经存在的文件末尾 示例：hadoop fs -appendToFile ./hello.txt hdfs://hadoop-server01:9000/hello.txt 可以简写为：Hadoop fs -appendToFile ./hello.txt /hello.txt |
| -cat 功能：显示文件内容 示例：hadoop fs -cat /hello.txt |
| -cp 示例： hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2 -mv 功能：在hdfs目录中移动文件 示例： hadoop fs -mv /aaa/jdk.tar.gz / |
| -get 功能：等同于copyToLocal，就是从hdfs下载文件到本地 示例：hadoop fs -get /aaa/jdk.tar.gz |
| -put 功能：等同于copyFromLocal 示例：hadoop fs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2 |
| -rm 功能：删除文件或文件夹 示例：hadoop fs -rm -r /aaa/bbb/ |
| 4. HDFS 的工作机制 |
4.1概述
1、HDFS集群分为两大角色：NameNode、DataNode；
2、NameNode负责管理整个文件系统的元数据；
3、DataNode 负责管理用户的文件数据块；
4、文件会按照固定的大小（blocksize）切成若干块后分布式存储在若干台datanode上；
5、每一个文件块可以有多个副本，并存放在不同的datanode上；
6、Datanode会定期向Namenode汇报自身所保存的文件block信息，而namenode则会负责保持文件的副本数量；
7、HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向namenode申请来进行；
4.2HDFS写数据流程
客户端要向HDFS写数据，首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode，然后，客户端按顺序将文件逐个block传递给相应datanode，并由接收到block的datanode负责向其他datanode复制block的副本。
4.3HDFS读数据流程
客户端将要读取的文件路径发送给namenode，namenode获取文件的元信息（主要是block的存放位置信息）返回给客户端，客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件。
| 5.NAMENODE 工作机制 |
5.1NAMENODE 职责
NAMENODE职责：负责客户端请求的响应以及元数据的管理（查询，修改）。
5.2元数据管理
namenode对数据的管理采用了三种存储形式：
1、内存元数据(NameSystem)
2、磁盘元数据镜像文件
3、数据操作日志文件（可通过日志运算出元数据）
5.3元数据储存机制
A、内存中有一份完整的元数据(内存meta data)
B、磁盘有一个“准完整”的元数据镜像（fsimage）文件(在namenode的工作目录中)
C、用于衔接内存metadata和持久化元数据镜像fsimage之间的操作日志（edits文件）
5.4元数据手动查看
可以通过hdfs的一个工具来查看edits中的信息
bin/hdfs oev -i edits -o edits.xml
bin/hdfs oiv -i fsimage_0000000000000000087 -p XML -o fsimage.xml
5.5元数据的checkpoint
每隔一段时间，会由secondary namenode将namenode上积累的所有edits和一个最新的fsimage下载到本地，并加载到内存进行merge（这个过程称为checkpoint）。
| 6. DATANODE 的工作机制 |
6.1DATANODE 工作职责
1、存储管理用户的文件块数据
2、定期向namenode汇报自身所持有的block信息（通过心跳信息上报）
6.2观察验证DATANODE 功能
上传一个文件，观察文件的block具体的物理存放情况：
在每一台datanode机器上的这个目录中能找到文件的切块：
/home/hadoop/app/hadoop-2.6.5/tmp/dfs/data/current/BP-193442119-192.168.2.120-1432457733977/current/finalized
