Java+大数据开发——HDFS详解
1. HDFS 介绍 |
• 什么是HDFS
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;
• 设计思想
分而治之:将大文件、大批量文件,分布式存放在大量服务器上,以便于采取分而治之的方式对海量数据进行运算分析;
• 在大数据系统中作用:
为各类分布式运算框架(如:mapreduce,spark,tez,……)提供数据存储服务。
• Hdfs整体架构如下
2. HDFS的特性 |
(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。
(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。
(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。
3. HDFS 的shell(命令行客户端)操作 |
3.1HDFS命令行客户端使用
HDFS提供shell命令行客户端,使用命令语法为:hadoop fs <args>,它支持支持多种文件系统的访问,主要包括Local和HDFS两种,配置文件中的fs.defaultFS的值决定了默认访问的文件系统。其中命令中的“fs”表示FileSystem Shell。
“<args>”是“fs”的子命令,包括:
创建目录:mkdir
列表文件:ls
查看文件:cat
转移文件:put、get、mv、cp
删除文件:rm、rmr
管理命令:test、du、expunge
3.2常用命令参数介绍
-help 功能:输出这个命令参数手册 |
-ls 功能:显示目录信息 示例: hadoop fs -ls hdfs://hadoop-server01:9000/ 备注:这些参数中,所有的hdfs路径都可以简写 -->hadoop fs -ls / 等同于上一条命令的效果 |
-mkdir 功能:在hdfs上创建目录 示例:hadoop fs -mkdir -p /aaa/bbb/cc/dd |
--appendToFile 功能:追加一个文件到已经存在的文件末尾 示例:hadoop fs -appendToFile ./hello.txt hdfs://hadoop-server01:9000/hello.txt 可以简写为:Hadoop fs -appendToFile ./hello.txt /hello.txt |
-cat 功能:显示文件内容 示例:hadoop fs -cat /hello.txt |
-cp 功能:从hdfs的一个路径拷贝hdfs的另一个路径 示例: hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2 -mv 功能:在hdfs目录中移动文件 示例: hadoop fs -mv /aaa/jdk.tar.gz / |
-get 功能:等同于copyToLocal,就是从hdfs下载文件到本地 示例:hadoop fs -get /aaa/jdk.tar.gz |
-put 功能:等同于copyFromLocal 示例:hadoop fs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2 |
-rm 功能:删除文件或文件夹 示例:hadoop fs -rm -r /aaa/bbb/ |
4. HDFS 的工作机制 |
4.1概述
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;
4.2HDFS写数据流程
客户端要向HDFS写数据,首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode,然后,客户端按顺序将文件逐个block传递给相应datanode,并由接收到block的datanode负责向其他datanode复制block的副本。
4.3HDFS读数据流程
客户端将要读取的文件路径发送给namenode,namenode获取文件的元信息(主要是block的存放位置信息)返回给客户端,客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件。
5.NAMENODE 工作机制 |
5.1NAMENODE 职责
NAMENODE职责:负责客户端请求的响应以及元数据的管理(查询,修改)。
5.2元数据管理
namenode对数据的管理采用了三种存储形式:
1、内存元数据(NameSystem)
2、磁盘元数据镜像文件
3、数据操作日志文件(可通过日志运算出元数据)
5.3元数据储存机制
A、内存中有一份完整的元数据(内存meta data)
B、磁盘有一个“准完整”的元数据镜像(fsimage)文件(在namenode的工作目录中)
C、用于衔接内存metadata和持久化元数据镜像fsimage之间的操作日志(edits文件)
5.4元数据手动查看
可以通过hdfs的一个工具来查看edits中的信息
bin/hdfs oev -i edits -o edits.xml
bin/hdfs oiv -i fsimage_0000000000000000087 -p XML -o fsimage.xml
5.5元数据的checkpoint
每隔一段时间,会由secondary namenode将namenode上积累的所有edits和一个最新的fsimage下载到本地,并加载到内存进行merge(这个过程称为checkpoint)。
6. DATANODE 的工作机制 |
6.1DATANODE 工作职责
1、存储管理用户的文件块数据
2、定期向namenode汇报自身所持有的block信息(通过心跳信息上报)
6.2观察验证DATANODE 功能
上传一个文件,观察文件的block具体的物理存放情况:
在每一台datanode机器上的这个目录中能找到文件的切块:
/home/hadoop/app/hadoop-2.6.5/tmp/dfs/data/current/BP-193442119-192.168.2.120-1432457733977/current/finalized
出处:http://www.cnblogs.com/jerehedu/
版权声明:本文版权归烟台杰瑞教育科技有限公司和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。
技术咨询:
Java+大数据开发——HDFS详解相关推荐
- 一文搞懂大数据开发,大数据开发体系详解
前言 不知道大家有没有过在搜索引擎搜索过旅游的关键字,不久就可能收到机票的推销的经验.如今是大数据的时代,数据的价值越来越重要.数据即资产,想必大家都听说过.最近公司的项目中也用到了一些大数据的技术, ...
- Java大数据开发做什么?Java大数据开发成长路线
Java开发是IT行业的经典岗位,行业当中存在普遍的需求,Web开发.Android开发.游戏开发等岗位,基本上Java语言是主力队伍.而进入大数据时代,Java又在大数据方向上有了用武之地.今天我们 ...
- 《Java和Android开发实战详解》——2.5节良好的Java程序代码编写风格
本节书摘来自异步社区<Java和Android开发实战详解>一书中的第2章,第2.5节良好的Java程序代码编写风格,作者 陈会安,更多章节内容可以访问云栖社区"异步社区&quo ...
- 《Java和Android开发实战详解》——1.2节Java基础知识
本节书摘来自异步社区<Java和Android开发实战详解>一书中的第1章,第1.2节Java基础知识,作者 陈会安,更多章节内容可以访问云栖社区"异步社区"公众号查看 ...
- 《Java和Android开发实战详解》——2.2节构建Java应用程序
本节书摘来自异步社区<Java和Android开发实战详解>一书中的第2章,第2.2节构建Java应用程序,作者 陈会安,更多章节内容可以访问云栖社区"异步社区"公众号 ...
- java大数据开发训练营--Java Web 后端技术基础(上)
题记: 文章内容输出来源:拉勾教育大数据开发高薪训练营 本篇文章是java学习课程中的一部分笔记. 本博文主要是记录一些基础的知识点,通过实操更容易理解 这章主要讲的是JAVA Web后端基础 一 W ...
- 大数据学习路线详解,零基础学大数据学习路线
在大数据蓬勃发展的现今,大家都看到了大数据未来不可限量的发展前景,跟着科技发展的潮流,不断学习新的技术知识,科多大数据相信,成为人生赢家不在话下. 大数据的三个发展方向,平台搭建/优化/运维/监控.大 ...
- java大数据开发做什么你知道吗?大数据的职业发展规划
你想过自己的未来规划吗? java大数据程序员只需要学到技术就行吗? 1.如何成为大数据工程师 Java开发是IT行业的经典岗位,行业当中存在普遍的需求,Web开发.Android开发. ...
- java大数据开发是做什么的_Java转型大数据开发教材,技能储备都在这儿!
如今随着环境的改变,做技术如果不想有中年危机的话,就要知道这句话: 学习新技术,更新自己的知识和技能储备. 最近在北京参加 QCon,看了<QCon 十周年特刊>里面一篇文章,讲了大数据十 ...
最新文章
- MS CRM 2011 RC中的新特性(2)——销售自动化方面
- 为sap的alv的最左侧添加【选中】按钮用于同时选中多行...
- 简单易懂的自动驾驶科普知识
- Python有哪些作用
- 自由自在公司意式手工冰淇淋以“怪“取胜
- Node.js 可以和 Web 实现 HTTP 请求的跨平台兼容了!
- Strange Memory Gym - 102832F
- SpringBoot:与JOOQ合作
- BDI Agent模型结构
- concurrentbag 删除指定元素_Python 列表,for循环,元组的使用(修改、添加、删除、排序、切片)
- chart.js雷达图不显示刻度标签_Matplotlib从入门再也不放弃
- 正则表达式匹配指定的tr标签
- 【五级流水线CPU】—— 7. 协处理器访问指令(2条)
- 《JAVA与模式》之解释器模式
- 关于random的多种用法
- SVM之-二分类延伸到多分类
- 点云匹配介绍与ICP算法
- Xcode Undefined symbols 错误
- UVA 10041-Vito's Family
- (2)VBA 关键字
热门文章
- Boost:在OpenCL并将图像渲染为OpenGL中的纹理
- Boost:线程实例
- ITK:遮罩图像的归一化相关性
- DCMTK:用于管理常见细分特定类型的类
- VTK:IO之ImageWriter
- C++使用linked list(链表)实现circular queue(循环队列)(附完整源码)
- C++中四种 cast 转换
- C++树的层次遍历(附完整源码)
- C++全局变量和局部变量有什么区别
- QT的QBluetoothServiceDiscoveryAgent类的使用