hadoop核心组件——HDFS系列讲解之HDFS的shell命令操作

  • 基本语法
  • 常用命令
  • HDFS的特性


基本语法

老版本:

hadoop fs 具体命令

新版本:

hdfs dfs 具体命令

常用命令

（1）-help：输出这个命令参数

bin/hdfs dfs -help rm

（2）-ls: 显示目录信息

hdfs dfs -ls /

（3）-mkdir：在hdfs上创建目录

hdfs dfs  -mkdir  -p  /aaa/bbb/cc/dd

（4）-moveFromLocal从本地剪切粘贴到hdfs

hdfs dfs  -moveFromLocal  /home/Hadoop/a.txt  /aaa/bbb/cc/dd

（5）-moveToLocal：从hdfs剪切粘贴到本地

hdfs dfs  -moveToLocal   /aaa/bbb/cc/dd  /home/Hadoop/a.txt

（6）–appendToFile ：追加一个文件到已经存在的文件末尾

hdfs dfs  -appendToFile  ./hello.txt  /hello.txt

（7）-cat ：显示文件内容

hdfs dfs  -cat   /hadoop-daemon.sh

（8）-tail：显示一个文件的末尾

hdfs dfs  -tail  /weblog/access_log.1

（9）-text：以字符形式打印一个文件的内容

hdfs dfs  -text  /weblog/access_log.1

（10）-chgrp 、-chmod、-chown：linux文件系统中的用法一样，修改文件所属权限

hdfs dfs  -chmod  666  /hello.txt
hdfs dfs  -chown  someuser:somegrp   /hello.txt

（11）-copyFromLocal：从本地文件系统中拷贝文件到hdfs路径去

hdfs dfs  -copyFromLocal  ./jdk.tar.gz  /aaa/

（12）-copyToLocal：从hdfs拷贝到本地

hdfs dfs -copyToLocal /aaa/jdk.tar.gz

（13）-cp ：从hdfs的一个路径拷贝到hdfs的另一个路径

hdfs dfs  -cp  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

（14）-mv：在hdfs目录中移动文件

hdfs dfs  -mv  /aaa/jdk.tar.gz  /

（15）-get：等同于copyToLocal，就是从hdfs下载文件到本地

hdfs dfs -get  /aaa/jdk.tar.gz

（16）-getmerge ：合并下载多个文件，比如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,…

hdfs dfs -getmerge /aaa/log.* ./log.sum

（17）-put：等同于copyFromLocal

hdfs dfs  -put  /aaa/jdk.tar.gz  /bbb/jdk.tar.gz.2

（18）-rm：删除文件或文件夹

hdfs dfs -rm -r /aaa/bbb/

（19）-rmdir：删除空目录

hdfs dfs  -rmdir   /aaa/bbb/ccc

（20）-df ：统计文件系统的可用空间信息

hdfs dfs  -df  -h  /

（21）-du统计文件夹的大小信息

hdfs dfs  -du  -s  -h /aaa/*

（22）-count：统计一个指定目录下的文件节点数量

hdfs dfs -count /aaa/

（23）-setrep：设置hdfs中文件的副本数量

hdfs dfs -setrep 3 /aaa/jdk.tar.gz

这里设置的副本数只是记录在namenode的元数据中，是否真的会有这么多副本，还得看datanode的数量。因为目前只
有3台设备，最多也就3个副本，只有节点数的增加到10台时，副本数才能达到10。

（24） - expunge ：清空hdfs垃圾桶

hdfs dfs  -expunge

HDFS的特性

优点:

  1. 海量数据存储： HDFS可横向扩展，其存储的文件可以支持PB级别或更高级别的数据存储。
  2. 高容错性：数据保存多个副本，副本丢失后自动恢复。可构建在廉价的机器上，实现线性扩展。当集群增加新节点之后，namenode也可以感知，进行负载均衡，将数据分发和备份数据均衡到新的节点上。
  3. 商用硬件：Hadoop并不需要运行在昂贵且高可靠的硬件上。它是设计运行在商用硬件（廉价商业硬件）的集群上的。
  4. 大文件存储：HDFS采用数据块的方式存储数据，将数据物理切分成多个小的数据块。所以再大的数据，切分后，大数据变成了很多小数据。用户读取时，重新将多个小数据块拼接起来。

缺点:

  1. 不能做到低延迟数据访问：由于hadoop针对高数据吞吐量做了优化，牺牲了获取数据的延迟，所以对于低延迟访问数据的业务需求不适合HDFS。
  2. 不适合大量的小文件存储 ：由于namenode将文件系统的元数据存储在内存中，因此该文件系统所能存储的文件总数受限于namenode的内存容量。根据经验，每个文件、目录和数据块的存储信息大约占150字节。因此，如果有一百万个小文件，每个小文件都会占一个数据块，那至少需要300MB内存。如果是上亿级别的，就会超出当前硬件的能力。
  3. 修改文件：。HDFS适合一次写入，多次读取的场景。对于上传到HDFS上的文件，不支持修改文件。Hadoop2.0虽然支持了文件的追加功能，但不建议对HDFS上的文件进行修改。因为效率低下.
  4. 不支持用户的并行写：同一时间内，只能有一个用户执行写操作。