Hadoop 的存储系统是 HDFS(Hadoop Distributed File System)分布式文件系统，对外部客户端而言，HDFS 就像一个传统的分级文件系统，可以进行创建、删除、移动或重命名文件或文件夹等操作，与 Linux 文件系统类似。
Client客户端
文件切片,文件上传的时候,Client对上传的文件进行切片成一个一个b
转载
2023-09-20 10:53:45
40阅读
MapReduce作业运行过程中内存溢出错误分类1、Mapper/Reducer阶段JVM内存溢出（一般都是堆）1)JVM堆(Heap)内存溢出：堆内存不足时，一般会抛出如下异常：第一种：“java.lang.OutOfMemoryError:” GC overhead limit exceeded；第二种：“Error: Java heapspace”异常信息；第三种：“running
转载
2023-07-14 15:03:20
168阅读
# 如何实现Hadoop的Finalized目录满的案例分析
在大数据处理领域，Hadoop 作为一种流行的开源框架，被广泛用于分布式存储和处理大量数据。在Hadoop的HDFS中，有一个名为“finalized”的目录，用于存储已完成的数据块。在某些情况下，您可能会希望了解当该目录满时的行为以及如何管理这一进程。本文将详细讲解如何实现这个过程。
## 整体流程
为了实现“finalized
资源管理器YARN和分布式计算框架MapReduce 第一章 Hadoop MapReduce 是什么一 MapReduce 介绍1. 基本介绍2. MR数据流程方向 3. MR 原语/ 核心思想( 重点记忆 ) 4. MR运行原理 5. 块 ,切片 , map ,reduce ,组 ,分区 ,输出文件之间的关系6. 计算框架计算框架 Map计算框架Reduce计算框架MR图例演示二 Had
转载
2024-10-12 12:55:09
82阅读
1. hadoop目录概述hadoop的解压目录下的主要文件如下图所示： 其中： /bin 目录存放对Hadoop相关服务（HDFS, YARN）进行操作的脚本； /etc 目录存放Hadoop的配置文件 /lib 目录存放Hadoop的本地库（对数据进行压缩解压缩功能） /sbin 目录存放启动或停止Hadoop相关服务的脚本 /share 目录存放Hadoop的依赖jar包、文档、和官方案例
转载
2023-06-19 17:57:55
115阅读
文章目录Hadoop 之文件写入 && 一致模型Hadoop 文件写入异常情况副本安置策略（replica placement）一致模型（Coherency model）并行复制（distcp） Hadoop 之文件写入 && 一致模型Hadoop 文件写入具体步骤如下：1.客户端通过对 DistributedFileSystem 对象调用 create() 来新
转载
2023-09-20 10:45:21
67阅读
在虚拟机上删除hdfs文件： 删除hdfs下的文件： hadoop fs -rm /文件夹名 删除hdfs下的文件夹：hadoop fs -rm -r 文件名 查看根目录下的内容： hadoop fs -cat /文件名 增加权限：chmod +x 文件名 ps -ef|grep 文件名 ：查看某个进程号 复制文件： cp 文件名 文件名 mv 既可以改文件名也可以移动文件（在同一台机器上可以）
转载
2023-08-30 23:59:46
93阅读
在我们实际工作当中，极有可能会遇到将测试集群的数据拷贝到生产环境集群，或者将生产环境集群的数据拷贝到测试集群，那么就需要我们在多个集群之间进行数据的远程拷贝，hadoop自带也有命令可以帮我们实现这个功能1、本地文件拷贝scpcd /kkb/softscp -r jdk-8u141-linux-x64.tar.gz hadoop@node02:/kkb/soft 2、集群之间的数据拷贝distcp
转载
2023-07-12 15:03:32
117阅读
OGG 12.1及以前的版本巡检时发现ogg传输进程异常报错如下：2021-12-09 16:25:19 ERROR OGG-06498 The sequence number 998999 for output trail file ‘/data/ggs/dirdat/tp’ has exceeded the maximum threshold (998999). Please consultO
原创
2023-09-04 20:16:07
238阅读
1.大量小文件影响 NameNode存储着文件系统的元数据，每个文件、目录、块大概有150字节的元数据，因此文件数量的限制也由NameNode内存大小决定，如果小文件过多则会造成NameNode的压力过大，且hdfs能存储的数据量也会变小2.HAR文件方案 本质启动mr程序，需要启动yarn 用法：archive -archiveName <NAME>.har -p <
转载
2023-07-14 19:38:21
101阅读
文件压缩有两个好处：减少存储文件所需的磁盘空间，并加速数据在网络和磁盘上的传输 在存储中，所有算法都要权衡空间/时间；在处理时，所有算法都要权衡CPU/传输速度 以下列出了与Hadoop结合使用的常见压缩方法： 压缩格式工具算法文件扩展名是否可切分DEFLATE无DEFLATE.deflate否GzipgzipDEFLATE.gz否bzip2bzip2bzip2.bz2是LZOlzopLZO.l
转载
2023-09-20 10:53:58
104阅读
Hadoop生态技术体系下，负责大数据存储管理的组件，涉及到HDFS、Hive、Hbase等。Hive作为数据仓库工具，最初的存储还是落地到HDFS上，这其中就有一个关键的环节，是小文件的处理。今天的大数据开发分享，我们就主要来讲讲，Hive小文件合并。本身来说，由于Hadoop的特性，对大文件的处理非常高效。大文件可以减少文件元数据信息，减轻NameNode的存储压力。相对于上层的数据表汇总程度
转载
2024-01-31 00:20:47
44阅读
Hadoop（四）HDFS什么是HDFSHDFS文件系统设计的目的上传机制读取机制 什么是HDFSHadoop Distributed File System hadoop底层的分布式文件存储系统，可以存储海量的数据。其特点为：作为一个文件系统，用于存储文件，通过统一的命名空间目录树来定位文件。分布式存储系统，通过许多服务器联合起来实现功能。master/slave架构，主从架构。其中namen
转载
2023-09-01 09:23:30
92阅读
Hadoop有几个组件:
===========================
NameNode
Hadoop 在分布式计算与存储中都采用 主/从结构。分布式存储被称为 HDFS.
NameNode 位于 HDFS 的主机端，它指导从机端的DateNode 执行底层的数据传输.
NameNode跟踪文件如何被划分，以及这些
转载
2024-03-10 18:17:34
36阅读
Hadoop学习8：hdfs文件操作标签（空格分隔）： hadoop Hadoop学习8hdfs文件操作一hdfs文件流读操作三合并文件上传到 一，hdfs文件流读操作读文件流程 （1）打开分布式文件
调用 分布式文件 DistributedFileSystem.open()方法
（2）从 NameNode 获得 DataNode 地址
DistributedFileSystem
转载
2023-08-01 19:59:25
86阅读
文件格式:SequenceFile
------------------
1.SequenceFile
Key-Value对方式。 2.不是文本文件，是二进制文件。
转载
2023-07-05 11:43:59
71阅读
目录第1章 大数据概论第2章 从Hadoop框架讨论大数据生态第3章 Hadoop运行环境搭建（开发重点）第4章 Hadoop运行模式本地模式：默认配置伪分布式模式：按照完全分布式模式配置，但是只有一个节点完全分布式模式（开发重点）第5章 Hadoop编译源码（面试重点）第1章 大数据概论第2章 从Hadoop框架讨论大数据生态大发行版本：Apache Hadoop、Coudera Hadoop、
转载
2024-06-17 13:59:35
54阅读
HDFS详解一、 HDFS 概述1.1 HDFS定义 HDFS( Hadoop Distribution File System)， 它是一个文件系统，用于存储文件，通过目录树来定位文件；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。 HDFS的使用场景：适合一次写入，多次读出的场景，且不支持文件的修改。适合用来做数据分析，并不适合用来做网盘应用。1.2 HDFS
转载
2023-09-01 09:25:49
258阅读
hdfs文件系统对文件和文件夹的权限很多都借鉴了POSIX model（不懂），每个文件和文件夹都只能被他的拥有者或者组访问，文件拥有者，其他用户组的成员，和其他用户，对文件或文件夹拥有独立的权限。 对于文件，r 代表能读取文件的权限，w 代表写权限或者追加到源文件。对文文件夹 ，r 权限是列出文件夹中的内容包括文件夹和文件，w是创建或者删除文件或者文件夹，x是访问文件夹的子节点。 与POSIX
转载
2023-07-12 15:06:08
229阅读
1、准备大数据平台迁移工作由于公司项目业务需求，需要将两个项目的大数据平台进行迁移，业务数据进行跨平台平移。前提（大数据平台之间网络互通）第一种方案（Linux原生远程Shell命令拷贝）①将Hive数据通过MR写到其他Linux文件夹中：hive> insert overwrite local directory '/usr/test' select * from test;
上述是通过M
转载
2023-09-20 10:54:12
83阅读
