Hadoop权威指南学习笔记三

HDFS简单介绍

声明：本文是本人基于Hadoop权威指南学习的一些个人理解和笔记，仅供学习參考。有什么不到之处还望指出，一起学习一起进步。

转载请注明：http://blog.csdn.net/my_acm

Hadoop说白了就是一个提供了处理分析大数据的文件集群，当中最重要的无疑是HDFS（Hadoop Distributed File System）即Hadoop分布式文件系统。

1、

HDFS是一种以流式数据訪问模式（一次写入多次读取的模式）存储超大文件的系统。

其不须要的高端的硬件系统，普通市面上的硬件就能满足要求。

眼下不适合应用HDFS的有：低延迟的数据訪问、大量小的文件、多用户写入随意改动文件等。

2、

HDFS存储以块为单位，通常块大小为64M。之所以要分为这么大的块，主要是为了降低寻址时间，由于眼下来看。传输数据速率越来越快，对于HDFS处理大数据时，假设频繁的寻址必定会使得执行时间变长。

HDFS集群有两种节点名称节点和多个数据节点。当中名称节点充当管理者，数据节点充当工作者。

名称节点相当于HDFS文件树上的枝干分叉点，而数据节点则标注着全部块的存储信息。所以名称节点的丢失就意味着HDFS的瘫痪。

因此Hadoop提供了两种机制解决这一问题：

一种是复制组成文件系统元数据的持久状态文件。即在本地磁盘写入的同一时候也写入一个远程NFS挂载。

还有一种是设置一个二级名称节点。

3、

HDFS提供命令行接口的交互。

4、

Hadoop是一个抽象的文件系统概念，HDFS是当中的一个详细实现，java抽象类org.apache.hadoop.fs.FileSystem展示了Hadoop的一个文件系统，并且有几个详细实现。

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbXlfYWNt/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">

如上图所看到的。Hadoop提供了很多文件的接口，一般是通过URL来确定使用何种文件系统实现交互。

5、

Hadoop是java实现的所以，java接口无疑是当中重中之重。以下是java接口的一些详细实现。

（1）      数据读取：

使用URL读取数据

Java识别Hadoop文件系统的URL方案，就是通过一个FsUrlStreamHandlerFactory实例来调用在URL中的setURLStreamHandlerFactory方法。

注意：这样的方法在java虚拟机中仅仅能被调用一次。所以通常设置为static，也因此假设程序其它部件（可能不是在你控制的第三方部件）设置了一个URLStreamHandlerFactory，那么久再也不能从Hadoop读取数据。

代码：

输入执行：

% hadoop URLCat hdfs://localhost/user/tom/test.txt

结果：

Hello world Hello world

Hello world

Hello world Hello world

使用FileSystem API读取数据

直接看代码吧。注意看凝视

（2）      数据写入

FileSystem类有一系列创建文件的方法。

public FSDataOutputStream create(Pathf) throws IOException

用create创建文件是可用exists()推断其父文件夹是否存在。

另一个用于传递回调接口的重载方法 Progressable，如此一来。我们所写的应用就会被告知数据写入数据节点的进度。

package org.apache.hadoop.util;

public interface Progressable{

publicvoid progress();

}

创建文件的还能够用例如以下方法：

Public FSDataOutputStream append(Pathf) throws IOException

此方法同意在打开文件的末尾追加数据。

（3）      文件夹

FileSystem题目了创建文件夹的方法：

public Boolean mkdirs(Path f) thorwsIOException

（4）      查询文件系统

FileStatus类封装了文件系统中文件和文件夹的元数据。包含文件长度、块大小、副本、改动时间、全部者以及许可信息。

FileSystem的getFileStatus()提供了获取一个文件或文件夹的状态对象方法。

假设仅仅是推断一个文件是否存在。则能够使用前文提到的exists(Path f)方法。

Hadoop有时要查询批量文件时通常要用到通配符。所以它为运行通配符提供了

Hadoop支持与Unix bash同样的通配符两个FileSystem方法：

public FileStatus[] globStatus (PathpathPattern) throws IOException

public FileStatus[] globStatus (Path pathPattern,PathFileter filter)throws IOException

通配符：

（5）      删除数据

FileSystem中的delete()方法能够永久删除文件夹。

public Boolean delete(Path f,Boolean recursive) throwsIOException