两个类，一个HDFS文件操作类，一个是wordcount 词数统计类，都是从网上看来的。上代码：package mapreduce;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
import org.apache.hadoop.conf.Configuration;
import o
HDFS（Hadoop Distribute File System）分布式文件系统概念好多，枯燥不易理解，多看几遍！！1.HDFS数据存放策略：分块存储+副本存放。2.数据拓扑结构（即数据备份）：默认存放3份，可以通过修改配置文件hdfs-site.xml修改备份数量，如果本机在集群中，第一份就会存放到本节点即本机上，如果不在集群中，就通过负载均衡存放到一个相应的随机节点上，第二份存放在同机柜的
转载
2024-06-27 05:44:11
22阅读
HDFS（Hadoop Distribute File System）是一个分布式文件系统文件系统是操作系统提供的磁盘空间管理服务，只需要我们指定把文件放到哪儿，从哪个路径读取文件句可以了，不用关心文件在磁盘上是如何存放的当文件所需空间大于本机磁盘空间时，如何处理呢？一是加磁盘，但加到一定程度就有限制了二是加机器，用远程共享目录的方式提供网络化的存储，这种方式可以理解为分布式文件系统的雏形，可以把
原创
2021-04-23 15:43:21
227阅读
1.错误检测和快速、自动的恢复是HDFS最核心的架构目标
原创
2022-08-17 15:13:19
79阅读
今天来说说hadoop的一大核心——HDFS，这个是很重要的，它呢，是分布式文件系统。为什么说hadoop能存储海量数据？其实主要还是依赖与hdfs的能力，主要依赖的是hdfs能存储海量数据。1、 为什么hdfs能存储海量数据呢？一开始抛出这样的问题来想想。至于HDFS的基本概念什么的都不用多说了的~我们重在使用，而不是去做“研究”。扯蛋的话就是，“专家的研究”已经成为名副其实的贬义词了，很带有讽
转载
2024-03-29 13:36:28
110阅读
是操作系统提供的磁盘空间管理服务，只需要我们指定把文件放到哪儿，从哪个路径读取文件句可以了，不用关心文件在磁盘上是如何存放的当文件所需空间大于本机磁盘空
原创
2024-02-28 14:32:36
34阅读
HDFS（Hadoop Distributed File System） 是 Apache Hadoop 项目的一个子项目，设计目的是用于存储海量（例如：TB和PB）文件数据，支持高吞吐读写文件并且高度容错。HDFS将多台普通廉价机器组成分布式集群形成分布式文件系统
刚开始学习HDFS源码，写篇博客加深下印象在写这篇博客之前，我们先参考董西成的文章http://dongxicheng.org/mapreduce-nextgen/how-to-read-hadoop-code-effectively/，先了解下前人在阅读hadoop源码时积攒下的经验。根据个人学习的感受，比较赞同董西成的看法，学习hadoop源码应分为以下三个阶段。源码阅读准备阶段-----从参
转载
2024-05-07 14:13:12
48阅读
前言 在linux文件系统中，i-node节点一直是一个非常重要的设计，同样在HDFS中，也存在这样的一个类似的角色，不过他是一个全新的类，INode.class，后面的目录类等等都是他的子类。最近学习了部分HDFS的源码结构，就好好理一理这方面的知识，帮助大家更好的从深层次了解Hadoop分布式系统文件。HDFS文件相关的类设计 在HDFS中与文件相关的类主要有这么几个 1.INode--这个
转载
2024-05-24 22:54:08
21阅读
作者 | 吴邪 这篇文章我们分享HDFS读取数据的流程，相对于写数据流程来说，读数据的流程会简单不少，写完这一篇之后，对HDFS的核心代码剖析算是告一段落了，这一系列包含了NameNode的初始化、DataNode的初始、元数据管理、HDFS写数据流程、HDFS读数据流程五个核心部分，毕竟HDFS是一个百万行级别代码的技术架构，内容非常多，所以本系列只选取HDFS关键且核心的功能点来剖
转载
2024-04-19 16:31:54
32阅读
在《HDFS源码分析心跳汇报之整体结构》一文中，我们详细了解了HDFS中关于心跳的整体结构，知道了BlockPoolManager、BPOfferService和BPServiceActor三者之间的关系。那么，HDFS心跳相关的这些数据结构，都是如何被初始化的呢？本文，我们就开始研究HDFS心跳汇报之数据结构初始化。  
转载
2024-06-06 12:59:51
80阅读
关于hdfs源码的阅读，我这个小菜鸟觉得有这么两种方式去读，一是抓住它关键的数据结构，知道了他们是干什么用的，剩下的就是一些围着他们转的操作了；二是跟踪执行过程的流程式阅读，以mkdir为例，从client应用发出mkdir请求到传递给namenode，再在datanode上执行，这么一个过程详细地跟踪下来，就理解了一大片。两种路子没有孰优孰劣，配合使用或许更有效。本篇先从数据结构的角度分享一
转载
2024-03-16 22:35:15
126阅读
文章目录HDFS什么是HDFS有什么用NameNode和DataNodes文件系统命名空间文件系统元数据的持久性副本选择安全模式通讯协议总结HDFS 写入过程HDFS 文件读取过程 HDFS什么是HDFSHadoop分布式文件系统（HDFS）是一种旨在在商品硬件上运行的分布式文件系统。它与现有的分布式文件系统有很多相似之处。但是，与其他分布式文件系统的区别很明显。HDFS具有高度的容错能力，旨在
转载
2024-03-18 13:40:54
33阅读
Hadoop核心组件(主从集群)HDFS(分布式文件系统,集群):解决数据的存储,其角色:namenode(主), datanode, secondarynamenode(主的秘书)YARN(作业调度和集群资源管理的框架,集群):解决资源任务调度,其角色:resourcemanager(主),nodemanager(从)MAPREDUCE(分布式运算编程框架):解决海量数据计算集群角色规划&nbs
转载
2024-03-25 19:38:18
50阅读
最近突然觉得， 很多掌握的都还是很浅的原理，需要更深入细粒度去了解整个分布式系统的运转机制。于是。。开始作死而又作死而又作死的源码之旅。 Hadoop包的功能总共有下列几类： tool:提供一些命令行工具，如DistCp,archive mapreduce，:Hadoop的Map/Reduce实现 filecache:提供HDFS文件的本地缓存，用于加快Map/Reduce的数据访问速
转载
2024-04-19 18:14:17
41阅读
HDFS 的特点 HDFS具有高容错性的特点（fault-tolterant）的特点，因为hadoop部署在 廉价的商用集群上，所以HDFS被设计成认为硬件是常态，具有高容错性。其提供高吞吐量（high throughput）的特性, 用来访问应用程序的数据，适合有超大数据集（large data set）的应用程序。HDFS放宽了对POSIX的要求，这样可以实
转载
2024-03-28 23:33:52
27阅读
转：https://mp.weixin..com/s/vhdQ8ppd6eRD0dhXByv-aA HDFS常见命令 HDFS上的数据，分布在不同的地方，我们有一些命令可以用于 增加/查看/删除 等数据操作。 #显示/下的所有文件夹信息hadoop fs -ls /#递归显示所有文件夹和子文件( ...
转载
2021-08-09 20:03:00
137阅读
2评论
Hadoop2.X后可以划分为三部分：HDFS、MapReduce和Yarn，本篇主要看一下HDFS。架构图进程及作用当我们在安装Hadoop的机器上执行jps命令，我们会看到如下三个进程：NameNode、Secondary NameNode和DataNode。接下来了解一下这个三个进程的作用。NameNode管理者文件系统的Namespace。它维护着文件系统树(filesystem tree
转载
2024-02-27 10:18:41
58阅读
一、Hadoop的3个核心组件：分布式文件系统：HDFS ——实现将文件分布式存储在很多的服务器上分布式运算编程框架：MapReduce ——实现在很多机器上分布式并行运算分布式资源调度平台：YARN ——帮用户调度大量的MapReduce程序，并合理分配运算资源 二、HDFS整体运行机制HDFS：分布式文件系统2.1 HDFS有着文件系统共同的特
转载
2024-04-19 18:14:29
59阅读
对HDFS的初步认识.HDFS是Hadoop的三个核心组件之一， 其设计特点是1.适合T级别的大文件或一大堆数据文件的储存. 2文件分块存储，HDFS会将一个完整的大文件平均分块存储到不同计算器上，它的意义在于读取文件时可以同时从多个主机取不同区块的文件，多主机读取比单主机读取效率要高得多得都。 3流式数据访问，一次写入多次读写且不支持动态改变文件内容，要变化也只能在文件末添加内容。 4用于廉价硬
转载
2024-03-18 09:21:25
67阅读
