HDFS常用命令
| 命令 | 功能 |
|---|---|
| start-dfs.sh | 启动HDFS |
| start-balancer.sh | 执行负载均衡 |
| hadoop fs –put example.txt /suger | 将本地文件复制到HDFS中 |
| hadoop fs -copyFromLocal /home/time.txt /suger | 将本地文件复制到HDFS中 |
| hadoop fs –get /suger/example.txt copyexample.txt | 将文件从HDFS复制到本地 |
| hadoop fs –copyToLocal /suger/example.txt /home/copytime.txt | 将文件从HDFS复制到本地 |
| hadoop fs –mkdir testdir | 创建空文件夹 |
| hadoop fs –cat example.txt | 查看文件 |
| hadoop fs –tail example.txt | 查看文件的最后10行 |
| hadoop fs –ls / | 列出本地文件系统根目录下的文件 |
| hadoop fs –lsr / | 查看HDFS全部文件列表（递归输出） |
| hadoop fs –rmr /usr/admin/files.har | 递归删除文件 |
| hadoop dfsadmin –report | 查看HDFS的基本统计信息 |
| hadoop dfsadmin –safemode leave | 退出安全模式 |
| hadoop dfsadmin –safemode enter | 进入安全模式 |
当然，还有许多参数，就不在此一一列举了，
例：cat、chown、chgrp、chmod、moveFromLocal、moveToLocal、count、cp、du、df、ls、stat、text、touchz等等
注：setrep命令设置副本数量，记录在元数据中，并不真实。
NameNode在启动时会自动进入安全模式
客户端从HDFS中读取数据
1.分析一（类+方法名）：
• 客户端(client)用FileSystem的open()函数打开文件。
• DistributedFileSystem用RPC调用元数据节点，得到文件的数据块信息。
• 对于每一个数据块，元数据节点返回保存数据块的数据节点的地址。
• DistributedFileSystem返回FSDataInputStream给客户端，用来读取数据。
• 客户端调用stream的read()函数开始读取数据。
• DFSInputStream连接保存此文件第一个数据块的最近的数据节点。
• Data从数据节点读到客户端(client)。
• 当此数据块读取完毕时，DFSInputStream关闭和此数据节点的连接，然后连接此文件下一个数据块的最近的数据节点。
• 当客户端读取完毕数据的时候，调用FSDataInputStream的close函数。
• 在读取数据的过程中，如果客户端在与数据节点通信出现错误，则尝试连接包含此数据块的下一个数据节点。
• 失败的数据节点将被记录，以后不再连接。
2.分析二（纯文本）
• 使用HDFS提供的客户端开发库，向远程的Namenode发起RPC请求；
• 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；
• 客户端开发库会选取离客户端最接近的datanode来读取block；
• 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；
• 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。
• 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。
客户端从HDFS中写入数据
1.分析一（类+方法名）
客户端调用create()来创建文件
DistributedFileSystem用RPC调用元数据节点，在文件系统的命名空间中创建一个新的文件。
元数据节点首先确定文件原来不存在，并且客户端有创建文件的权限，然后创建新文件。
DistributedFileSystem返回DFSOutputStream，客户端用于写数据。
客户端开始写入数据，DFSOutputStream将数据分成块，写入data queue。
Data queue由Data Streamer读取，并通知元数据节点分配数据节点，用来存储数据块(每块默认复制3块)。分配的数据节点放在一个pipeline里。
Data Streamer将数据块写入pipeline中的第一个数据节点。第一个数据节点将数据块发送给第二个数据节点。第二个数据节点将数据发送给第三个数据节点。
DFSOutputStream为发出去的数据块保存了ack queue，等待pipeline中的数据节点告知数据已经写入成功。
-
如果数据节点在写入的过程中失败：
- 关闭pipeline，将ack queue中的数据块放入data queue的开始。
- 当前的数据块在已经写入的数据节点中被元数据节点赋予新的标示，则错误节点重启后能够察觉其数据块是过时的，会被删除。
- 失败的数据节点从pipeline中移除，另外的数据块则写入pipeline中的另外两个数据节点。
- 元数据节点则被通知此数据块是复制块数不足，将来会再创建第三份备份。
当客户端结束写入数据，则调用stream的close函数。此操作将所有的数据块写入pipeline中的数据节点，并等待ack queue返回成功。最后通知元数据节点写入完毕。
2.分析二（纯文本）
• 使用HDFS提供的客户端开发库，向远程的Namenode发起RPC请求；
• 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；
• 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”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。
• 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。
• 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。
注：客户端上传数据时DataNode的选择策略：第一个副本选择离客户端最近的DataNode，第二个副本选择跨机架的一个DataNode，第三个副本选择第一个副本的机架中的另一个DataNode。
本人才疏学浅，若有错，请指出，谢谢！
如果你有更好的建议，可以留言我们一起讨论，共同进步！
衷心的感谢您能耐心的读完本篇博文！
参考链接：HDFS介绍（图）