hadoop学习第二天-了解HDFS的基本概念&&分布式集群的搭建&&HDFS基本命令的使用

一、HDFS的相关基本概念

1.数据块

1、在HDFS中，文件诶切分成固定大小的数据块，默认大小为64MB（hadoop2.x以后是128M），也可以自己配置。
2、为何数据块如此大，因为数据传输时间超过寻到时间（高吞吐率）。
3、文件的存储方式，按大小被切分成若干个block，存储在不同的节点上，默认情况下每个block有三个副本。

2.复制因子

就是一个block分为多少个副本，默认情况下是3个

3.fsimage文件作用：

fsimage是元数据镜像文件（保存文件系统的目录树）。

4.edits文件作用

fsedits 是元数据操作日志（记录每次保存fsimage之后到下次保存之间的所有hdfs操作）。

5.安全模式

当开启安全模式后，对文件的修改和删除都会有错误提示
enter 进入安全模式
leave 离开安全模式
get 返回安全模式是否开启的信息

6.NameNode

（HA集群启动时，可以同时启动2个NameNode。这些NameNode只有一个是active的，另一个属于standby状态）

作用是一个文件系统树，文件树中的文件和文件夹中的元数据。
namenode负责管理文件目录，文件和block的对应关系以及block和datanode的对应关系。
由两部分组成：
1.fsimage；
2.fsedits：

7.DataNode

作为NameNode的工作节点，根据客户端或者NameNode的调度存储和检索数据，
当客户端请求读或写时，NameNode会告知客户端去哪些DataNode进行读写，
然后客户端直接与相应的DataNode进行通信

8.SecondaryNameNode

由于Edit log不断增长，在NameNode重启时，会造成长时间NameNode处于安全模式，不可用状态，是非常不符合Hadoop的设计初衷。
所以要周期性合并Edit log，但是这个工作由NameNode来完成，会占用大量资源，这样就出现了Secondary NameNode，它可以进行image检查点的处理工作。步骤如下：
（1）Secondary NameNode请求NameNode进行edit log的滚动（即创建一个新的edit log），将新的编辑操作记录到新生成的edit log文件；
（2）通过http get方式，读取NameNode上的fsimage和edits文件，到Secondary NameNode上；
（3）读取fsimage到内存中，即加载fsimage到内存，然后执行edits中所有操作（类似OracleDG，应用redo log），并生成一个新的fsimage文件，即这个检查点被创建；
（4）通过http post方式，将新的fsimage文件传送到NameNode；
（5）NameNode使用新的fsimage替换原来的fsimage文件，让（1）创建的edits替代原来的edits文件；并且更新fsimage文件的检查点时间。

关系图如下：

二、分布式集群的搭建

1.环境说明

在学习一中，已经配置好了伪分布式集群，即一个节点的集群测试。要搭的是在此基础上搭建的三个节点的集群

即master作为NameNode节点，slaver1 slaver2 作为DataNode节点

2.分布式集群搭建

1.创建三个虚拟机（通过vmware的克隆功能，直接克隆之前创建的qjx主机，然后修改主机名和IP地址，根据自己内存大小分配虚拟机内存）主机名和IP分别为

master	192.168.32.10
slaver1	192.168.32.11
slaver2	192.168.32.12

2.三个主机都关闭防火墙(root)

/etc/init.d/iptables stop

　　3.修改hosts文件，将IP和主机名添加到最后一行

vim /etc/hosts
192.168.32.10 master
192.168.32.11 slaver1
192.168.32.12 slaver2

　　4.添加三个主机的互信操作

ssh-keygen
ssh-copyid master
ssh-copyid slaver1
ssh-copyid slaver2

　　5.修改配置文件 hadoop-2.6.0/etc/hadoop/slaves.xml 添加子节点的主机名

vim hadoop-2.6.0/etc/hadoop/slavers
slaver1
slaver2

6.修改配置文件 hadoop-2.6.0/etc/hadoop/core-site.xml（tmp.dir配置中，目录可以根据自己主机更改）

<property>
  <name>fs.defaultFS</name>
  <value>hdfs://master:9000</value>
 </property>
 <property>
   <name>io.file.buffer.size</name>
   <value>131072</value>
 </property>
 <property>
   <name>hadoop.tmp.dir</name>
   <value>/home/qjx/hadoop/hadoop-2.6.0/dataSoft/tmp</value>
   <description>Abasefor other temporary directories.</description>
 </property>

7.修改配置文件 hadoop-2.6.0/etc/hadoop/hdfs-site.xml（目录配置为自己新建的一个临时目录，为了存储每次进入的临时文件，若没有指定，即为/tmp/下，每次进入主机都要改变）

<property>
   <name>dfs.namenode.secondary.http-address</name>
   <value>master:9001</value>
 </property>
 <property>
   <name>dfs.namenode.name.dir</name>
   <value>/home/qjx/dataSoft/hadoop/dfs/name</value>
 </property>
 <property>
   <name>dfs.datanode.data.dir</name>
   <value>/home/qjx/dataSoft/hadoop/dfs/data</value>
 </property>
 <property>
   <name>dfs.replication</name>
   <value>2</value>
 </property>

8.修改配置文件 hadoop-2.6.0/etc/hadoop/mapred-site.xml(本来不存在，由hadoop-2.6.0/etc/hadoop/mapred-site.xml.temp文件复制来)

<property>
   <name>mapreduce.framework.name</name>
   <value>yarn</value>
 </property>
 <property>
   <name>mapreduce.jobhistory.address</name>
   <value>master:10020</value>
 </property>
 <property>
   <name>mapreduce.jobhistory.webapp.address</name>
   <value>master:19888</value>
 </property>

9.修改配置文件 hadoop-2.6.0/etc/hadoop/yarn-site.xml

<property>
   <name>yarn.nodemanager.aux-services</name>
   <value>mapreduce_shuffle</value>
 </property>
 <property>
   <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
   <value>org.apache.hadoop.mapred.ShuffleHandler</value>
 </property>
 <property>
   <name>yarn.resourcemanager.address</name>
   <value>master:8032</value>
 </property>
 <property>
   <name>yarn.resourcemanager.scheduler.address</name>
   <value>master:8030</value>
 </property>
 <property>
   <name>yarn.resourcemanager.resource-tracker.address</name>
   <value>master:8035</value>
 </property>
 <property>
   <name>yarn.resourcemanager.admin.address</name>
   <value>master:8033</value>
 </property>
 <property>
   <name>yarn.resourcemanager.webapp.address</name>
   <value>master:8088</value>
 </property>

　　10.将配置好的master的配置文件拷贝到slaver1,slaver2的配置文件中

scp -r hadoop-2.6.0/ etc/hadoop/*@slave1:~/hadoop/hadoop-2.6.0/etc/hadoop/
scp -r hadoop-2.6.0/ etc/hadoop/*@slave2:~/hadoop/hadoop-2.6.0/etc/hadoop/

　　11.格式化HDFS,在hadoop-2.6.0目录下执行

bin/hdfs namenode -format

　　注意：格式化只能操作一次，如果因为某种原因，集群不能用， 需要再次格式化，需要把上一次格式化的信息删除，在三个节点用户根目录里执行 rm -rf /home/qjx/hadoop/hadoop-2.6.0/dfs/*

12.在master节点执行sbin/start-all.sh 输入jps后，master节点显示4条，slaver1，slaver2节点各显示3条为配置正确

三、HDFS基本命令的使用

HDFS文件系统与Linux文件系统类似，都是从/根目录开始

1.上传

bin/hadoop fs -put 本地文件 hdfs文件路径
示例：bin/hadoop fs -put ~/put/test.txt /

　　2.下载

bin/hadoop fs -get hdfs文件 本地文件路径
示例：bin/hadoop fs -get /test ~/get/

　　3.查看文件列表

bin/hadoop fs -ls 文件路径
示例：bin/hadoop fs -ls /

　　4.查看文件内容

bin/hadoop fs -cat hdfs文件
示例：bin/hadoop fs -cat /test.txt

　　5.创建目录

创建一级目录
bin/hadoop fs -mkdir /aaa
创建多级目录
bin/hadoop fs -mkdir -p /a/b/c/

　　6.删除目录

bin/hadoop fs -rmdir /aaa

　　7.删除文件

删除文件

bin/hadoop fs -rm /test.txt
删除目录（非空）

bin/hadoop fs -rm -r /a//b/c