大数据系列——什么是hdfs？hdfs用来干什么的？

一、什么是HDFS

• HDFS全称是Hadoop Distributed File System
• 是一种分布式文件系统(HDFS使用多台计算机存储文件，对外提供统一操作文件的接口)
• Hodoop使用HDFS(Hadoop Distributed File System)作为存储系统。

二、hdfs用来干什么的

用于大规模数据的分布式读写，特别是读多写少的场景

三、hdfs适用场景

• 具备高度容错特性，支持高吞吐量数据访问，可以在处理海量数据（TB或PB级别以上）的同时最大可能的降低成本。
• 读多写少的场景

a.存储非常大的文件并且对延时没有要求

b.一次写入，多次读取。数据集经常从数据源生成或者拷贝，然后做很多分析工作。

四、hdfs不适合的场景

a.对延时有要求；

b.多方读写

五、hdfs 架构

• HDFS是一个主/从体系结构(经典的Master和Slave架构)。 HDFS由四部分组成，HDFS Client，NameNode，DataNode和Secondary NameNode。
• 每一个HDFS集群包括一个NameNode和多个DataNode。

Client：客户端

a.文件切分，文件上传HDFS的时候，将文件切分成一个一个的数据块(Block)进行存储 。

b.与NameNode交互，获取文件的位置 。

c.与DataNode交互，读取或写入数据 。 存储实际的数据块 执行数据库的读/写操作

基本概念

名称描述NameNode用于管理文件系统的命名空间、维护文件系统的目录结构树以及元数据信息，记录写入的每个数据块（Block）与其归属文件的对应关系。
此信息以命名空间镜像（FSImage）和编辑日志（EditsLog）两种形式持久化在本地磁盘中。
DataNodeDataNode是文件的实际存放位置。
DataNode会根据NameNode或Client的指令来存储或者提供数据块，并且定期的向NameNode汇报该DataNode存储的数据块信息。
Client通过Client来访问文件系统，然后由Client与NameNode和DataNode进行通信。Client对外作为文件系统的接口，类似于POSIX。BlocksHDFS将文件拆分成128 MB大小的数据块进行存储，这些Block可能存储在不同的节点上。HDFS可以存储更大的单个文件，甚至超过任何一个磁盘所能容纳的大小。一个Block默认存储3个副本（EMR Core节点如果使用云盘，则为2副本），以Block为粒度将副本存储在多个节点上。此方式不仅提高了数据的安全性，而且对于分布式作业可以更好地利用本地的数据进行计算，减少网络传输。Secondary NameNode对于非高可用集群，默认会启动一个Secondary NameNode进程。Secondary NameNode的作用是消费EditsLog，定期地合并FsImage和EditsLog，生成新的FsImage文件，降低了NameNode的压力。高可用对于高可用集群，默认会启动两个NameNode，一个是Active NameNode，另一个是Standby NameNode，两个NameNode承担不同角色。
Active NameNode负责处理DataNode和Client的请求，Standby NameNode跟Active NameNode一样拥有最新的元数据信息，随时准备在Active NameNode出现异常时接管其服务。如果Active NameNode异常，Standby NameNode会感知到并切换成Active NameNode的角色处理DataNode和Client请求。

六、HDFS基础命令

(hdfs 命令最常用的就是： hdfs dfs -[linux的命令])

1、 ls： 列出根目录下文件列表 hdfs dfs -ls / 

使用-ls -R: 整个目录下递归运行ls ,如 hdfs dfs -lsr / 

2、 mkdir: hdfs dfs mkdir <paths>
    hdfs dfs -mkdir tmp   # 在hdfs文件系统中/user/test 目录下创建tmp目录
    hdfs dfs -mkdir /tmp  # 在hdfs文件系统的根目录下创建一个tmp目录

3、 hdfs dfs -rm -r -f
    hdfs dfs -rm -r -f /test      # 删除根目录下的test目录
    hdfs dfs -rmdir /test         # 删除目录：只能删除空目录

4、put ：将本地文件/文件夹拷贝到HDFS内. 
例如 将a.txt上传到根目录下， hdfs dfs -put a.txt /

5、get :将HDFS中的文件拷贝到本地. 
例如 将HDFS中根目录下a.txt文件拷贝到本地当前目录  hdfs dfs -get /a.txt ./

6、mv:将HDFS的文件移动到目标路径（HDFS内部的文件移动）. 
例如 hdfs dfs -mv /a.txt /test

7、rm:删除文件或目录
8、cp:将文件拷贝到目标路径
9、cat ：显示文件内容. 
例如 hdfs dfs -cat /test/a.txt; hdfs dfs -cat ./tmp/exception.log

10、hdfs dfs -text. # 查看文件内容，支持压缩文件的查看而不会乱码 
 hdfs dfs -text ./tmp/exception.log

11、# 从根目录下精确搜索exception.log文件
hdfs dfs -find / -name exception.log

12、hdfs dfs -count  /user/test # 对/user/test 目录进行统计

13、chmod：改变文件权限
14、chown :改变文件所属用户和用户组 

15、appendToFile :合并本地文件拷贝至HDFS
hdfs dfs -appendToFile ./exp.log ./tmp/exception.log

七、hdfs业务中应用

实际业务中，会全量输入写入hdfs文件供第三方业务线读取，或者同步到hive表供后续业务继续加工。