大数据技术基础实验三：HDFS实验——部署HDFS

文章目录

大数据技术基础实验三：HDFS实验——部署HDFS
- 一、前言
- 二、实验要求
- 三、实验原理
- - 1、什么是HDFS？
  - 2、HDFS的体系结构
  - 3、HDFS基本命令
- 四、实验步骤
- - 1、完成集群各服务器之间的ssh免密登录配置
  - 2、在master服务器上确定存在hadoop安装目录
  - 3、修改HDFS配置文件
  - 4、启动HDFS
  - 5、通过查看进程的方式验证HDFS启动成功
  - 6、使用master上传文件
- 五、最后我想说

一、前言

前面通过大数据技术基础实验的学习，我们学会了如何使用Xshell连接学校虚拟机并且学会如何配置各虚拟机之间的SSH免密登录，然后还练习了有关Linux的一些基础命令。

本期内容，我们将学习大数据组件其中一个组件——HDFS的环境搭建，这是后面进行各种实验操作的基础。

然后本期实验我们将使用MobaXterm软件进行终端远程连接操作，大部分的都使用的是Xshell操作，这次我们试一下新软件进行操作，你可以直接点击上方软件名称跳转到它的官网下载，在这里我就不对它进行介绍了，顺便说一句，官网下载的是英文版，如果有需要中文版的朋友留下你们的邮箱，我可以发给你们。

这里我已经连接好了学校的三台虚拟机，接下来我们开始实验吧！

二、实验要求

实验结束时，已构建出以下HDFS集群：

master上部署主服务NameNode
Slave1、2上部署从服务DataNode
master上部署HDFS客户端

待集群搭建好后，还需在master上进行下述操作：

在HDFS里新建目录
将master上某文件上传至HDFS里刚才新建的目录

三、实验原理

1、什么是HDFS？

HDFS（Hadoop Distributed File System）为大数据平台其它所有组件提供了基本的存储功能。它具有高容错、高可靠、可扩展、高吞吐率等特征，为大数据存储和处理提供了强大的底层存储架构。

HDFS是一个主/从（master/slave）体系结构，从最终用户的角度来看，它就像传统的文件系统，可通过目录路径对文件执行CRUD操作。由于其分布式存储的性质，HDFS集群拥有一个NameNode和一些DataNodes，NameNode管理文件系统的元数据，DataNode存储实际的数据。

2、HDFS的体系结构

HDFS采用了典型的Master/Slave系统架构一个HDFS集群通常包含一个NameNode节点和若干个DataNodes节点，一个文件被分成了一个或多个数据块，并存储在一组DataNode上，DataNode节点可分布在不同的机架。NameNode执行文件系统的名字空间打开、关闭、重命名文件或目录等操作，同时负责管理数据块到具体DataNode节点的映射。在NameNode的统一调度下，DataNode复制处理文件系统客户端的读写请求，完成数据库的创建、删除和复制。

3、HDFS基本命令

HDFS基本命令格式：hadoop fs -cmd args，其中，cmd为具体的操作，args为参数。

部分HDFS命令示例如下：

hadoop fs -mkdir /user/trunk          #建立目录/user/trunk
hadoop fs -ls /user                  #查看/user目录下的目录和文件
hadoop fs -lsr /user                 #递归查看/user目录下的目录和文件
hadoop fs -put test.txt /user/trunk      #上传test.txt文件至/user/trunk
hadoop fs -get /user/trunk/test.txt      #获取/user/trunk/test.txt文件
hadoop fs -cat /user/trunk/test.txt      #查看/user/trunk/test.txt文件内容
hadoop fs -tail /user/trunk/test.txt      #查看/user/trunk/test.txt文件的最后1000行
hadoop fs -rm /user/trunk/test.txt       #删除/user/trunk/test.txt文件
hadoop fs -help ls                   #查看ls命令的帮助文档

四、实验步骤

1、完成集群各服务器之间的ssh免密登录配置

第一个步骤我就不再演示了，不会的朋友可以移步到我之前的博客，里面有详细的配置步骤，链接我就放在下面了：

大数据技术基础实验一：配置SSH免密登录

我放一下截图：

2、在master服务器上确定存在hadoop安装目录

在master服务器终端输入命令：

ls /usr/cstor/hadoop

3、修改HDFS配置文件

（1）设置JDK安装目录

输入命令：

vim /usr/cstor/hadoop/etc/hadoop/hadoop-env.sh

打开hadoop-env.sh文件并进行编辑修改，添加JDK的安装路径。

（2）指定HDFS主节点

输入命令：

vim /usr/cstor/hadoop/etc/hadoop/core-site.xml

打开core-site.xml文件并进行编辑，将如下内容嵌入此文件里最后两行的标签之间：

<property><name>hadoop.tmp.dir</name><value>/usr/cstor/hadoop/cloud</value>
</property>
<property><name>fs.defaultFS</name><value>hdfs://master:8020</value>
</property

（3）拷贝集群配置至其它服务器

在master机上执行下列命令，将配置好的hadoop拷贝到其他服务器上。

[2020122145 root@master ~]# cat ~/data/2/machines
slave1
slave2
slave3
client[2020122145 root@master ~]# for  x  in  `cat  ~/data/2/machines` ; do  echo  $x ; scp  -r  /usr/cstor/hadoop/etc  $x:/usr/cstor/hadoop  ; done;
slave1
Warning: Permanently added 'slave1' (ECDSA) to the list of known hosts.
capacity-scheduler.xml                               100% 4436     4.6MB/s   00:00
configuration.xsl                                    100% 1335   277.1KB/s   00:00
container-executor.cfg                               100%  318   500.2KB/s   00:00
hadoop-env.cmd                                       100% 3670     4.6MB/s   00:00
hadoop-metrics.properties                            100% 2490     1.1MB/s   00:00
hadoop-metrics2.properties                           100% 2598     4.7MB/s   00:00
hadoop-policy.xml                                    100% 9683    10.6MB/s   00:00
hdfs-site.xml                                        100%  775     1.7MB/s   00:00
httpfs-env.sh                                        100% 1449     2.6MB/s   00:00
httpfs-log4j.properties                              100% 1657     3.2MB/s   00:00
httpfs-signature.secret                              100%   21    47.0KB/s   00:00
httpfs-site.xml                                      100%  620     1.4MB/s   00:00
kms-acls.xml                                         100% 3518     5.8MB/s   00:00
kms-env.sh                                           100% 1527     3.0MB/s   00:00
kms-log4j.properties                                 100% 1631     3.2MB/s   00:00
kms-site.xml                                         100% 5511     7.7MB/s   00:00
log4j.properties                                     100%   11KB  13.9MB/s   00:00
mapred-env.cmd                                       100%  951     1.8MB/s   00:00
mapred-env.sh                                        100% 1383     2.8MB/s   00:00
mapred-queues.xml.template                           100% 4113     6.9MB/s   00:00
mapred-site.xml.template                             100%  758     1.4MB/s   00:00
slaves                                               100%   10    23.1KB/s   00:00
ssl-client.xml.example                               100% 2316     4.5MB/s   00:00
ssl-server.xml.example                               100% 2268     4.4MB/s   00:00
yarn-env.cmd                                         100% 2250     3.9MB/s   00:00
yarn-env.sh                                          100% 4567     7.6MB/s   00:00
yarn-site.xml                                        100%  690     1.5MB/s   00:00
hadoop-env.sh                                        100% 4235     7.2MB/s   00:00
core-site.xml                                        100%  955     1.6MB/s   00:00
slave2
Warning: Permanently added 'slave2' (ECDSA) to the list of known hosts.
capacity-scheduler.xml                               100% 4436     5.9MB/s   00:00
configuration.xsl                                    100% 1335   408.2KB/s   00:00
container-executor.cfg                               100%  318   872.8KB/s   00:00
hadoop-env.cmd                                       100% 3670     6.1MB/s   00:00
hadoop-metrics.properties                            100% 2490     1.0MB/s   00:00
hadoop-metrics2.properties                           100% 2598     6.1MB/s   00:00
hadoop-policy.xml                                    100% 9683    13.8MB/s   00:00
hdfs-site.xml                                        100%  775     2.0MB/s   00:00
httpfs-env.sh                                        100% 1449     3.6MB/s   00:00
httpfs-log4j.properties                              100% 1657     4.2MB/s   00:00
httpfs-signature.secret                              100%   21    58.4KB/s   00:00
httpfs-site.xml                                      100%  620     1.7MB/s   00:00
kms-acls.xml                                         100% 3518     7.8MB/s   00:00
kms-env.sh                                           100% 1527     3.8MB/s   00:00
kms-log4j.properties                                 100% 1631     4.2MB/s   00:00
kms-site.xml                                         100% 5511    10.8MB/s   00:00
log4j.properties                                     100%   11KB  16.5MB/s   00:00
mapred-env.cmd                                       100%  951     2.5MB/s   00:00
mapred-env.sh                                        100% 1383     3.6MB/s   00:00
mapred-queues.xml.template                           100% 4113     8.6MB/s   00:00
mapred-site.xml.template                             100%  758     2.1MB/s   00:00
slaves                                               100%   10    29.7KB/s   00:00
ssl-client.xml.example                               100% 2316     5.6MB/s   00:00
ssl-server.xml.example                               100% 2268     5.6MB/s   00:00
yarn-env.cmd                                         100% 2250     5.5MB/s   00:00
yarn-env.sh                                          100% 4567     9.1MB/s   00:00
yarn-site.xml                                        100%  690     1.9MB/s   00:00
hadoop-env.sh                                        100% 4235     7.1MB/s   00:00
core-site.xml                                        100%  955     1.7MB/s   00:00
slave3
ssh: Could not resolve hostname slave3: Name or service not known
lost connection
client
ssh: Could not resolve hostname client: Name or service not known
lost connection
[2020122145 root@master ~]#

4、启动HDFS

（1）首先在master服务器上格式化主节点，输入命令：

hdfs namenode -format

（2）然后配置slaves文件，将localhost修改为slave1和slave2。

输入命令：

vi /usr/cstor/hadoop/etc/hadoop/slaves

进入slavers文件修改成如下：

（3）统一启动HDFS

输入命令：

cd /usr/cstor/hadoop

进去hadoop文件然后执行如下命令启动HDFS:

sbin/start-dfs.sh

5、通过查看进程的方式验证HDFS启动成功

分别在master、slave1~2三台机器上执行如下命令，查看HDFS服务是否已启动。

jps

jps是查看java进程的命令。

如果三台虚拟机分别出现上面结果就说明HDFS服务启动成功了。

6、使用master上传文件

从master服务器向HDFS上传文件。

输入如下命令：

hadoop fs -put ~/data/2/machines /

然后我们执行命令查看文件是否上传成功：

hadoop fs -ls /

可以看出，我们上传成功了。

五、最后我想说

到这里，我们已经完成了本次实验了，希望大家都能顺利地成功完成本次实验目标并从中学到很多知识。

学校提供的大数据实验平台上面有很多实验，我们的课程肯定不会全部都做完只会做其中的一部分，我后续也会尽可能抽出时间把所有有关大数据的实验都做一遍。

谢谢阅读，期待得到你们的支持！