二、分布式文件系统HDFS及其简单使用
在现代的企业环境中，单机容量往往无法存储大量数据，需要跨机器存储。统一管理分布在集群上的文件系统称为分布式文件系统。
HDFS
HDFS（Hadoop Distributed File System）是 Apache Hadoop 项目的一个子项目. Hadoop 非常适于存储大型数据 (比如 TB 和 PB), 其就是使用 HDFS 作为存储系统. HDFS 使用多台计算机存储文件, 并且提供统一的访问接口。
HDFS是根据谷歌的论文：《The Google File System》进行设计的
HDFS的四个基本组件:HDFS Client、NameNode、DataNode和Secondary NameNode。
Client
Client是客户端。HDFS Client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。Client 提供一些命令来管理 和访问HDFS，比如启动或者关闭HDFS。
NameNode
NameNode就是 master，它是一个主管、管理者。管理 HDFS 元数据（文件路径，文件的大小，文件的名字，文件权限，文件的block切片信息）。
NameNode管理 Block 副本策略：默认 3 个副本，处理客户端读写请求。
DataNode
DataNode就是Slave。NameNode下达命令，DataNode 执行实际的操作。
DataNode存储实际的数据块，执行数据块的读/写操作。定时向namenode汇报block信息。
Secondary NameNode
SecondaryNameNode不是NameNode的备份。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。
辅助 NameNode，分担其工作量。在紧急情况下，可辅助恢复 NameNode。
副本机制
HDFS被设计成能够在一个大集群中跨机器可靠地存储超大文件。它将每个文件存储成一系列的数据块，这个数据块被称为block，除了最后一个，所有的数据块都是同样大小的。
为了容错，文件的所有block都会有副本。每个文件的数据块大小和副本系数都是可配置的。
在hadoop2 当中, 文件的 block 块大小默认是 「128M」（134217728字节）。
如上图所示，一个大小为300M的a.txt上传到HDFS中，需要进行128M的切分，不足128M分为到另一block中。
HDFS基本命令
命令 | 说明 |
|---|---|
hadoop fs -mkdir /park | 在hdfs 的根目录下，创建 park目录 |
hadoop fs -ls / | 查看hdfs根目录下有哪些目录 |
hadoop fs -put /root/1.txt /park | 将linux操作系统root目录下的1.txt放在hdfs的park目录下 |
hadoop fs -get /park/jdk /home | 把hdfs文件系统下park目录的文件下载到linux的home目录下 |
hadoop fs -rm /park/文件名 | 删除hdfs 的park目录的指定文件 |
hadoop fs -rmdir /park | 删除park目录，但是前提目录里没有文件 |
hadoop fs -rmr /park | 删除park目录，即使目录里有文件 |
hadoop fs -cat /park/a.txt | 查看park目录下的a.txt文件 |
hadoop fs -tail /park/a.txt | 查看park目录下a.txt文件末尾的数据 |
hadoop jar xxx.jar | 执行jar包 |
HDFS 简单使用
根据部署的服务，我们的 HDFS 根目录是 hdfs://192.168.147.128:9820，下面我们尝试在根目录下面创建子目录 user，如下命令所示：
[hadoop@node01 ~]$ hadoop fs -mkdir /user
然后在Hadoop页面打开HDFS。
此时的user文件夹将会看见。
下面将一个大小为300M的文件上传到HDFS的user文件夹中
然后在Hadoop页面看见刚刚上传的文件。
此时被分开了三个block。
点击download，即可下载。
- END -
腾讯云开发者
