HDFS基本特性常见命令工作机制

HDFS是一个分布式文件系统，采用分而治之的设计思想，将大文件、大批量文件，分布式存放在大量服务器上，为各类分布式运算框架(MapReduce，spark，tez等)提供数据存储服务。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。

基本特性

适合用来做数据分析，并不适合用来做网盘应用，因为，不便修改，延迟大，网络开销大，成本太高

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，老版本中是64M；
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(block的id，及所在的dataNode服务器)；
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)；
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；

常见命令

// 列出文件
hadoop fs -ls /

// 创建目录
hadoop fs -mkdir 目录名称

// 查看文件
hadoop fs -cat 文件名称

// 删除文件或文件夹
hadoop fs -rm -r /aaa/bbb/

// 从本地文件系统中拷贝文件到hdfs路径去
hadoop  fs  -copyFromLocal  ./jdk.tar.gz  /aaa/
// 上传，等同于copyFromLocal
hadoop  fs  -put  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

// 从hdfs拷贝到本地
hadoop fs -copyToLocal /aaa/jdk.tar.gz
// 从hdfs下载文件到本地，等同于copyToLocal 
hadoop fs -get  /aaa/jdk.tar.gz

// 统计文件系统的可用空间信息
hadoop  fs  -df  -h  /

// 统计文件夹的大小信息
hadoop  fs  -du  -s  -h /aaa/*

// 统计一个指定目录下的文件节点数量
hadoop fs -count /aaa/

// 设置hdfs中文件的副本数量，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
hadoop fs -setrep 3 /aaa/jdk.tar.gz

工作机制

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；