HDFS分布文件系统（Hadoop Distributed File System）

一.HDFS的本质

Hadoop Distributed File System（HDFS）是Hadoop的核心组件之一，它是一个高度容错性的分布式文件系统，能够处理超大规模数据集。HDFS被设计成运行在廉价硬件上，能够自动检测并处理硬件故障，从而提供高可用性和高可靠性。HDFS采用主/从（Master/Slave）架构，主要由NameNode和DataNode两类节点组成。它本质还是程序，主要还是以树状目录结构来管理文件（和linux类似，/表示根路径），且可以运行在多个节点上（即分布式）。

二.HDFS的架构与原理

1. NameNode：即是master： - 管理HDFS的命名空间- 配置副本策略- 惯例数据块Blocks的映射欣喜- 处理客户端读写请求
2. DataNode：即是slave： - master下达命令，DataNode执行操作- 存储实际的数据块- 执行数据块的读/写操作
3. Clinet：客户端 - 文件切分。文件上传HDFS时，Client将文件切分成一个个Block后上传- 与NameNode交互，获取文件的位置信息- 与DataNode交互，读取或写入数据- Client提供一些命令来管理HDFS，如NameNode语法化- Client通过一些命令来访问HDFS，如HDFS增删改查操作
4. Secondary NameNode： - 辅助NameNode，分单其工作量，如定期合并simage和Edits，并推送给NameNode- 在紧急情况下，可以辅助恢复NameNode

三、HDFS特性

高可靠性

HDFS通过数据块的冗余存储和NameNode的元数据备份机制来实现高可靠性。当某个DataNode出现故障时，HDFS可以从其他DataNode中读取相同的数据块来恢复数据。同时，NameNode的元数据也会被定期备份到多个节点上，以防止单点故障导致数据丢失。

高可扩展性

HDFS采用分布式架构，可以方便地添加新的DataNode来扩展存储容量。同时，HDFS的元数据管理也支持水平扩展，可以通过增加NameNode的数量来提高元数据的处理能力。

高性能

HDFS通过数据块的并行处理和传输来提高数据处理效率。同时，HDFS还采用了一些优化技术，如数据块预取、缓存机制等，来进一步提高读写性能。

易用性

HDFS提供了类似于POSIX的文件系统接口，使得用户可以像操作本地文件系统一样来操作HDFS。同时，HDFS还提供了丰富的命令行工具和API接口，方便用户进行数据的存储、管理和分析。

四.HDFS的常用命令

HDFS很多命令用法与Linux命令类似

1.显示HDFS指定路径下的所有文件

语法：hdfs dfs -ls <path>

输入命令：hdfs dfs -ls /

结果显示如下图：

2.在HDFS上创建文件夹

语法：hdfs dfs -mkdir [-p] <path>

1. -p：如果要创建的目录的父目录不存在，则自动补上父目录
2. 输入命令：hdfs dfs -mkdir -p /1/dir1/dir2
3. （-ls显示补充）输入命令：hdfs dfs -ls -R /（-R：将指定目录的所有文件显示出来，包括子目录里的文件）

3.上传本地文件到HDFS

• 语法：hdfs dfs -put <local src path> <dst path>- dst path：HDFS目标路径，即文件将被上传到这个路径上- local src path：被上传的本地文件路径- 输入命令：hdfs dfs -put /usr/local/hadoop-3.1.3/test/test.txt /1/dir1/dir2

4.查看文件

1. 语法：hdfs dfs -cat <path>
2. 输入命令：hdfs dfs -cat /1/dir1/dir2/test.txt

将HDFS的****<src path>文件下载到本地文件系统的<local dst>路径****

1. 语法：hdfs dfs -get <src path> <local dst>
2. local dst：本地文件系统目标路径，即文件将被下载到这个路径
3. src path：被下载的HDFS文件路径
4. 输入命令：hdfs dfs -get /1/dir1/dir2/test.txt ~

将HDFS的****<src path>文件下载到本地文件系统的<local dst>路径

1. 语法：hdfs dfs -get <src path> <local dst>
2. local dst：本地文件系统目标路径，即文件将被下载到这个路径
3. src path：被下载的HDFS文件路径
4. 输入命令：hdfs dfs -get /1/dir1/dir2/test.txt ~

5.删除HDFS上的文件或者目录

1. 语法：hdfs dfs -rm [-r] <path>
2. -r : 表示递归删除，即连同子目录一同删除
3. 例1：不带-r的。输入命令： hdfs dfs -rm /1/dir1/test.txt

例2：

• 带-r的。输入命令：hdfs dfs -rm /1/dir1/

6.修改指定文件的权限信息（读、写、执行）

1. 一般语法：chmod [可选项] <mode> <path>

2. 可选项，常见的如-R：递归修改子目录
3. mode：权限设定字符串。语法：[ugoa][+-=][rwx]
4. rwx：r表示可读取，w表示可写入，x表示可执行
5. +-=：+表示增加权限、-表示取消权限、=表示唯一设定权限
6. ugoa：u表示该文件的所有者，g表示所属组，o表示其他以外的人，a表示这三者皆是
7. 回顾：Linux、hdfs通过所有者（user）、所属组（group）、其他（other）这三个角色来管理文件权限，如果当前登录的用户没有相应权限，那么执行某些命令就会报错。常见的三种权限： - 执行execute，用x表示- 写write，用w表示- 读read，用r表示

五、HDFS实战应用

1.数据存储

HDFS可以用于存储各种类型的数据文件，如日志文件、图片文件、视频文件等。通过将数据存储在HDFS中，可以方便地进行数据的备份、恢复和共享。

2.数据处理

HDFS可以与Hadoop的其他组件（如MapReduce、Spark等）结合使用，进行大规模数据的批处理、实时计算和分析。通过利用HDFS的分布式存储和并行处理能力，可以显著提高数据处理效率和准确性。

3.数据仓库

HDFS可以作为数据仓库的底层存储系统，为数据仓库提供高效、可靠的数据存储服务。通过将数据存储在HDFS中，并结合Hive等SQL引擎进行查询和分析，可以实现高效的数据仓库解决方案。

六、总结

HDFS作为Hadoop生态中的核心组件之一，提供了可靠、高效、可扩展的数据存储服务。通过深入了解HDFS的原理、架构、特性和实战应用，我们可以更好地利用HDFS来处理和分析大数据，为企业创造更大的价值。同时，随着大数据技术的不断发展，HDFS也在不断地演进和完善，相信未来HDFS将在大数据领域发挥更加重要的作用。