大数据学习---Hadoop的深入学习
Hadoop生态圈
存储数据HDFS(Hadoop Distributed File System),运行在通用硬件上的分布式文件系统。具有高度容错性、高吞吐量的的特点。
处理数据MapReduce，它是一种编程模型，Map（映射）和Reduce（归约），它极大地方便了分布式并行编程，与hdfs的高度融合，它是基于java来进行编程的。
数据仓库工具Hive，处理结构化SQL查询功能，将sql语句解释为MapReduce编程进行数据的处理，只能进行结构化的查询。
Pig MapReduce之上的高级过程语言，查询大型的半结构化数据集，处理非结构化数据。
Hadoop的优势
低成本 基于来源软件，运行与通用硬件平台。
高扩展性 在可用的计算机集簇间分配数据并完成计算任务，这些集簇可以方便的扩展到数以千计的节点中。
高效性 在节点之间动态分配计算任务并保证各个节点的动态平衡，处理速度非常快。
高容错性 自动保存数据的多个副本，并且能够自动将失败的任务重新分配。
Hadoop三大核心设计
MapReduce Map:任务分解 Reduce：结果汇总
HDFS NameNode：管理里文件元数据 DataNode：存储物理文件 Client：获取文件的各种API
Hbase 列式内存数据库,它是一个适用于非结构化数据存储的数据库，基于列存储，不同行可有不同数据列，保留数据多个时间版本。
另： Zookeeper 分布式应用程序协调服务提供一致性服务。
HDFS的体系结构
NameNode：即元数据节点，用来管理文件系统的命名空间，记录每个文件数据在各个DataNode上的位置和副本信息，协调客户端对文件的访问。
元数据文件：VERSION、seen_txid、fsimage_*、fsimage_*.md5、edits_*
DataNode：即数据节点用来存储数据，负责所在物理节点的存储管理，一次写入，多次读取（不修改）。
文件由数据块组成，典型的块大小是64MB，数据块尽量散布到各个节点。
SecondaryNameNode：NameNode的一个快照，周期性的备份namenode，记录namenode中的metadata及其他数据，可以用来恢复Namenode
dfs.namenode.name.dir/current/文件夹的几个文件：
VERSION：存放的是版本信息，文件系统的标示符
seen_txid：存放事务ID的文件，它里面的数字要与edits的尾数一致，也就是与edits_inprogress_000000000*后边的数字一致，inprogress是正在使用的edits文件
fsimage_*、fsimage_*.md5、edits_*：存放的是文件的元数据信息。
HDFS文件读取的过程
HDFS文件读取的过程如下：
1).使用HDFS提供的客户端开发库Client，向远程的Namenode发起RPC请求；
2).Namenode会视情况返回文件的部分或者全部block列表，对于每个block，Namenode都会返回有该block拷贝的DataNode地址；
3).客户端开发库Client会选取离客户端最接近的DataNode来读取block；如果客户端本身就是DataNode,那么将从本地直接获取数据.
4).读取完当前block的数据后，关闭与当前的DataNode连接，并为读取下一个block寻找最佳的DataNode；
5).当读完列表的block后，且文件读取还没有结束，客户端开发库会继续向Namenode获取下一批的block列表。
6).读取完一个block都会进行checksum验证，如果读取datanode时出现错误，客户端会通知Namenode，然后再从下一个拥有该block拷贝的datanode继续读。
HDFS写入文件的过程
HDFS写入文件的过程：
1).使用HDFS提供的客户端开发库Client，向远程的Namenode发起RPC请求；
2).Namenode会检查要创建的文件是否已经存在，创建者是否有权限进行操作，成功则会为文件创建一个记录，否则会让客户端抛出异常；
4).当客户端开始写入文件的时候，开发库会将文件切分成多个packets，并在内部以数据队列"data queue"的形式管理这些packets，并向Namenode申请新的blocks，获取用来存储replicas的合适的datanodes列表，列表的大小根据在Namenode中对replication的设置而定。
开始以pipeline（管道）的形式将packet写入所有的replicas中。开发库把packet以流的方式写入第一个datanode，该datanode把该packet存储之后，再将其传递给在此pipeline中的下一个datanode，直到最后一个datanode，这种写数据的方式呈流水线的形式。
5).最后一个datanode成功存储之后会返回一个ack packet，在pipeline里传递至客户端，在客户端的开发库内部维护着"ack queue"，成功收到datanode返回的ack packet后会从"ack queue"移除相应的packet。
6).如果传输过程中，有某个datanode出现了故障，那么当前的pipeline会被关闭，出现故障的datanode会从当前的pipeline中移除，剩余的block会继续剩下的datanode中继续以pipeline的形式传输，同时Namenode会分配一个新的datanode，保持replicas设定的数量。
HDFS的shell操作
1. 直接访问Hadoop程序
在/etc/prifile中加入
export HADOOP_HOME=/home/hduser/hadoop （hadoop的安装目录）
export PATH=$HADOOP_HOME/bin:$PATH
source /etc/profile 是环境变量生效
2. HDFS命令格式：
HDFS基本命令（在hadoop目录下执行为例）
bin/hadoop fs -cmd <args>
cmd:具体的操作，基本上与UNIX的命令行相同
<args>:有时需包含参数
例如：bin/hadoop fs -ls /
3. 常见的hadoop命令解析：
put命令只能从本地的文件复制到HDFS上；
get命令将HDFS上的文件复制到本地；
cp命令只能在相同的文件系统上互相复制文件。这三个命令都可以复制多个文件。复制单个文件时，目标路径可以是目录也可以是文件，目标路径是目录时，文件名不改变，目标路径是文件时，可以修改文件名；复制多个文件时，目标路径必须是目录，文件名不能修改。
copyFromLocal命令，此命令与put命令相似，区别是此命令只能复制一个文件。目标路径是目录时，文件名不改变，目标路径是文件时，可以修改文件名。
copyToLocal命令，此命令与get命令相似，区别是此命令只能复制一个文件。目标路径是目录时，文件名不改变，目标路径是文件时，可以修改文件名。
mv命令只能在相同的文件系统上移动文件，可以移动多个文件。标路径是目录时，文件名不改变，目标路径是文件时，可以修改文件名。
以上所有目录必须是存在的。
4. 常见的hadoop命令示例
mkdir 使用方法：hadoop fs -mkdir <paths>
示例：hadoop fs -mkdir /user
ls 列出path目录下的内容，包括文件名，权限，所有者，大小和修改时间
hadoop fs -ls /
hadoop fs -ls -R /
put 使用方法：hadoop fs -put <localsrc> ... <dst>
从本地文件系统中复制单个或多个源路径到目标文件系统。也支持从标准输入中读取输入写入目标文件系统。
hadoop fs -put localfile /user/ 拷贝localfile文件到hdfs的user目录下
hadoop fs -put localfile1 localfile2 /user/ 同时拷贝localfile1和localfile2文件到hdfs的user目录下
hadoop fs -put - /user/hadoopfile 在hadoopfile文件里手工录入内容（录入之前hadoopfile文件不存在），按Ctrl+C键录入结束
get 使用方法：hadoop fs -get [-ignorecrc] [-crc] <src> <localdst> 复制文件到本地文件系统
示例：hadoop fs -get /user/hadoop/file localfile
cat 使用方法：hadoop fs -cat URI [URI ...]
示例：hadoop fs -ls /user/hadoopfile 查看文件内容
rm 使用方法：hadoop fs -rm URI [URI ...]
删除指定的文件。只删除非空目录和文件。请参考rmr命令了解递归删除。
示例：hadoop fs -rm /user/read.txt 删除文件
示例：hadoop fs -rm -f /user/read.txt 强制删除文件
rmr 使用方法：hadoop fs -rmr URI [URI ...]
示例：hadoop fs -rmr /user/ 删除/usr/下所有的文件和目录
delete的递归版本。
示例：hadoop fs -rm -r /user/hadoop/dir
getmerge 使用方法：hadoop fs -getmerge <src> <localdst> [addnl]
接受一个源目录和一个目标文件作为输入，并且将源目录中所有的文件连接成本地目标文件。addnl是可选的，用于指定在每个文件结尾添加一个换行符。
示例：hadoop fs -getmerge /input2 file2.txt
mv 使用方法：hadoop fs -mv URI [URI ...] <dest>
将文件从源路径移动到目标路径。这个命令允许有多个源路径，此时目标路径必须是一个目录。
不允许在不同的文件系统间移动文件。
也可以重命名文件
示例：hadoop fs -mv /hadoop/file1 /hadoop/file2
hadoop fs -mv /hadoop/file1.txt /hadoop/file1.txt.bak.0722
stat 使用方法：hadoop fs -stat URI [URI ...]
返回指定路径的统计信息。
示例：hadoop fs -stat /input2
tail 使用方法：hadoop fs -tail [-f] URI
将文件尾部1k字节的呢绒输出到stdout。支持-f选项，行为和Unix中一致。
示例：hadoop fs -tail pathname
chmod 使用方法：hadoop fs -chmod [-R] <MODE[,MODE]... | OCTALMODE> URI [URI ...]
设为所有人皆可读取
chmod a+r file1.txt
chown 使用方法：hadoop fs -chown [-R] [OWNER][:[GROUP]] URI [URI]
touchz 使用方法：hadoop fs -touchz URI [URI ...]
创建一个0字节的空文件。
示例：hadoop fs -touchz pathname
copyToLocal 使用方法：hadoop fs -copyToLocal [ignorecrc] [-crc] URI <localdst>
除了限定目标路径是一个本地文件外，和get命令类似。
copyFromLocal 使用方法：hadoop fs -copyFromLocal <localsrc> URI
除了限定源路径是一个本地文件外，和put命令相似。
cp 使用方法：hadoop fs -cp URI [URI ...] <dest>
将文件从源路径复制到目标路径。这个命令允许有多个源路径，此时目标路径必须是一个目录。
示例： hadoop fs -cp /user/hadoop/file1 /user/hadoop/file2
du 使用方法：hadoop fs -du URI [URI ...]
显示目录中所有文件的大小
示例：hadoop fs -du /user/hadoop/dir1
du -s 使用方法：hadoop fs -du -s <args>
显示文件的大小
常用：hadoop fs -du -h /srv/smart/hhh.txt
expunge 使用方法：hadoop fs -expunge
清空回收站
回收站： hadoop fs -ls /安装目录下/.trash
Hadoop文件删除后可以放在回收站内
5. HDFS的API方式访问
Configuration类：该类的对象封装了客户端或者服务端的配置。
FileSystem类：该类的对象是一个文件系统对象，可以用该队想的一些方法来对文件进行操作。
FSDataInputStream和FSDataOutputStream：这两个类是HDFS中的输入输出流。
基本流程：
得到Configuration对象
得到FileSystem对象
进行文件操作（读写、删除、改名）
所需引入的库
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
文件操作前的准备工作
获取配置信息
Configuration conf = new Configuration();
建立文件系统对象
FileSystem fs = FileSystem.get(conf);
写文件
Path dstPath = new Path(dst);//目标路径
FSDataOutputStream outputStream = fs.create(dstPath);//打开一个输出流
outputStream.write(contents);
outputStream.close();
fs.close();
读文件
InputStream in = null;
in = fs.open(srcPath);
IOUtils.copyBytes(in,System.out,4096,false);//复制到标准输出流
IOUtils.closeStream(in);
上传文件到HDFS
Path srcPath = new Path(src);//原路径
Path dstPath = new Path(dst);//目标路径
fs.copyFromLocalFile(false,srcPath,dstPath);
前面参数是指是否删除原文件，true为删除，默认为false
获取指定文件信息
FileStatus[] fileStatus = fs.listStatus(dstPath);
boolean isok=fs.rename(oldPath,newPath);
boolean isok=fs.deleteOnExit(path);
boolean isok=fs.mkdirs(srcPath);
6. HDFS API具体操作
1 打开eclipse建立一个工程，将代码copy，逐步运行。
2
3 在工程中建立一个conf目录，注意先将相关的配置文件拷贝过去主要是三个文件core-site.xml , mapred-site.xml,hdfs-site.xml
4
5 并在project属性中设置java build path 单击addfolder 将conf目录加上
6
7 import java.io.FileInputStream;
8
9 import java.io.IOException;
10
11 import java.io.InputStream;
12
13 import org.apache.hadoop.conf.Configuration;
14
15 import org.apache.hadoop.fs.FSDataOutputStream;
16
17 import org.apache.hadoop.fs.FileStatus;
18
19 import org.apache.hadoop.fs.FileSystem;
20
21 import org.apache.hadoop.fs.Path;
22
23 import org.apache.hadoop.io.IOUtils;
24
25 public class HdfsFile {
26
27 //创建新文件
28
29 public static void createFile(String dst , byte[] contents) throws IOException{
30
31 Configuration conf = new Configuration();
32
33 FileSystem fs = FileSystem.get(conf);
34
35 Path dstPath = new Path(dst); //目标路径
36
37 //打开一个输出流
38
39 FSDataOutputStream outputStream = fs.create(dstPath);
40
41 outputStream.write(contents);
42
43 outputStream.close();
44
45 fs.close();
46
47 System.out.println("文件创建成功！");
48
49 }
50
51 //上传本地文件
52
53 public static void uploadFile(String src,String dst) throws IOException{
54
55 Configuration conf = new Configuration();
56
57 FileSystem fs = FileSystem.get(conf);
58
59 Path srcPath = new Path(src); //原路径
60
61 Path dstPath = new Path(dst); //目标路径
62
63 //调用文件系统的文件复制函数,前面参数是指是否删除原文件，true为删除，默认为false
64
65 fs.copyFromLocalFile(false,srcPath, dstPath);
66
67 //打印文件路径
68
69 System.out.println("Upload to "+conf.get("fs.default.name"));
70
71 System.out.println("------------list files------------"+"\n");
72
73 FileStatus [] fileStatus = fs.listStatus(dstPath);
74
75 for (FileStatus file : fileStatus)
76
77 {
78
79 System.out.println(file.getPath());
80
81 }
82
83 fs.close();
84
85 }
86
87 //文件重命名
88
89 public static void rename(String oldName,String newName) throws IOException{
90
91 Configuration conf = new Configuration();
92
93 FileSystem fs = FileSystem.get(conf);
94
95 Path oldPath = new Path(oldName);
96
97 Path newPath = new Path(newName);
98
99 boolean isok = fs.rename(oldPath, newPath);
100
101 if(isok){
102
103 System.out.println("rename ok!");
104
105 }else{
106
107 System.out.println("rename failure");
108
109 }
110
111 fs.close();
112
113 }
114
115 //删除文件
116
117 public static void delete(String filePath) throws IOException{
118
119 Configuration conf = new Configuration();
120
121 FileSystem fs = FileSystem.get(conf);
122
123 Path path = new Path(filePath);
124
125 boolean isok = fs.deleteOnExit(path);
126
127 if(isok){
128
129 System.out.println("delete ok!");
130
131 }else{
132
133 System.out.println("delete failure");
134
135 }
136
137 fs.close();
138
139 }
140
141 //创建目录
142
143 public static void mkdir(String path) throws IOException{
144
145 Configuration conf = new Configuration();
146
147 FileSystem fs = FileSystem.get(conf);
148
149 Path srcPath = new Path(path);
150
151 boolean isok = fs.mkdirs(srcPath);
152
153 if(isok){
154
155 System.out.println("create dir ok!");
156
157 }else{
158
159 System.out.println("create dir failure");
160
161 }
162
163 fs.close();
164
165 }
166
167 //读取文件的内容
168
169 public static void readFile(String filePath) throws IOException{
170
171 Configuration conf = new Configuration();
172
173 FileSystem fs = FileSystem.get(conf);
174
175 Path srcPath = new Path(filePath);
176
177 InputStream in = null;
178
179 try {
180
181 in = fs.open(srcPath);
182
183 IOUtils.copyBytes(in, System.out, 4096, false); //复制到标准输出流
184
185 } finally {
186
187 IOUtils.closeStream(in);
188
189 }
190
191 }
192
193 public static void main(String[] args) throws IOException {
194
195 //测试上传文件
196
197 //uploadFile("/home/hadoop/music1.txt","hdfs://master:9000/user/hadoop/test.txt");
198
199 //测试创建文件
200
201 //byte[] contents = "hello world 世界你好\n".getBytes();
202
203 //createFile("hdfs://master:9000/user/hadoop/test1/d.txt",contents);
204
205 //测试重命名
206
207 //rename("hdfs://master:9000/user/hadoop/test1/d.txt", "hdfs://master:9000/user/hadoop/test1/dd.txt");
208
209 //测试删除文件
210
211 //delete("hdfs://master:9000/user/hadoop/test1/d.txt"); //使用相对路径
212
213 //delete("hdfs://master:9000/user/hadoop/test1"); //删除目录
214
215 //测试新建目录
216
217 // mkdir("hdfs://master:9000/user/hadoop/test1");
218
219 //测试读取文件
220
221 //readFile("hdfs://master:9000/user/hadoop/test1/d.txt");
222
223 }
224
225 }
View Code
作者：小a玖拾柒
-------------------------------------------
个性签名: 所有的事情到最後都是好的，如果不好，那說明事情還沒有到最後～
本文版权归作者【小a玖拾柒】，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！
