上一篇：079-BigData-07hadoop伪分布式和分布式
一、HDFS概念
1、概念
HDFS，它是一个文件系统，全称：Hadoop Distributed File System，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。
2、组成
1）HDFS集群包括，NameNode和DataNode以及Secondary Namenode。
2）NameNode负责管理整个文件系统的元数据，以及每一个路径（文件）所对应的数据块信息。
3）DataNode 负责管理用户的文件数据块，每一个数据块都可以在多个datanode上存储多个副本。
4）Secondary NameNode用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。
3、HDFS 文件块大小
HDFS中的文件在物理上是分块存储（block），块的大小可以通过配置参数( dfs.blocksize)来规定，默认大小在hadoop2.x版本中是128M，老版本中是64M
HDFS的块比磁盘的块大，其目的是为了最小化寻址开销。如果块设置得足够大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。因而，传输一个由多个块组成的文件的时间取决于磁盘传输速率。
如果寻址时间约为10ms，而传输速率为100MB/s，为了使寻址时间仅占传输时间的1%，我们要将块大小设置约为100MB。默认的块大小128MB。
块的大小：10ms100100M/s = 100M
二、命令行操作
1、上传文件
传一个test文件
hdfs dfs -put test /
然后在网页查看
2、基本语法
bin/hadoop fs 具体命令
参数：
[-appendToFile <localsrc> ... <dst>]
[-cat [-ignoreCrc] <src> ...]
[-checksum <src> ...]
[-chgrp [-R] GROUP PATH...]
[-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
[-chown [-R] [OWNER][:[GROUP]] PATH...]
[-copyFromLocal [-f] [-p] <localsrc> ... <dst>]
[-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-count [-q] <path> ...]
[-cp [-f] [-p] <src> ... <dst>]
[-createSnapshot <snapshotDir> [<snapshotName>]]
[-deleteSnapshot <snapshotDir> <snapshotName>]
[-df [-h] [<path> ...]]
[-du [-s] [-h] <path> ...]
[-expunge]
[-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-getfacl [-R] <path>]
[-getmerge [-nl] <src> <localdst>]
[-help [cmd ...]]
[-ls [-d] [-h] [-R] [<path> ...]]
[-mkdir [-p] <path> ...]
[-moveFromLocal <localsrc> ... <dst>]
[-moveToLocal <src> <localdst>]
[-mv <src> ... <dst>]
[-put [-f] [-p] <localsrc> ... <dst>]
[-renameSnapshot <snapshotDir> <oldName> <newName>]
[-rm [-f] [-r|-R] [-skipTrash] <src> ...]
[-rmdir [--ignore-fail-on-non-empty] <dir> ...]
[-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
[-setrep [-R] [-w] <rep> <path> ...]
[-stat [format] <path> ...]
[-tail [-f] <file>]
[-test -[defsz] <path>]
[-text [-ignoreCrc] <src> ...]
[-touchz <path> ...]
[-usage [cmd ...]]
3、常用命令实操
（1）-help：输出这个命令参数
bin/hdfs dfs -help rm
（2）-ls: 显示目录信息
hadoop fs -ls /
Hadoop fs -lsr /
（3）-mkdir：在hdfs上创建目录
hadoop fs -mkdir -p /hdfs路径
（4）-moveFromLocal从本地剪切粘贴到hdfs
hadoop fs -moveFromLocal 本地路径 /hdfs路径
（5）--appendToFile ：追加一个文件到已经存在的文件末尾
hadoop fs -appendToFile 本地路径 /hdfs路径
（6）-cat ：显示文件内容
hadoop fs -cat /hdfs路径
（7）-tail -f：监控文件
hadoop fs -tail -f /hdfs路径
（8）-chmod、-chown：linux文件系统中的用法一样，修改文件所属权限
hadoop fs -chmod 777 /hdfs路径
hadoop fs -chown someuser:somegrp /hdfs路径
（9）-cp ：从hdfs的一个路径拷贝到hdfs的另一个路径
hadoop fs -cp /hdfs路径1 / hdfs路径2
（10）-mv：在hdfs目录中移动/重命名 文件
hadoop fs -mv /hdfs路径 / hdfs路径
（11）-get：等同于copyToLocal，就是从hdfs下载文件到本地
hadoop fs -get / hdfs路径 ./本地路径
（12）-getmerge ：合并下载多个文到linux本地，比如hdfs的目录 /aaa/下有多个文件:log.1, log.2,log.3,...（注：是合成到Linux本地）
hadoop fs -getmerge /aaa/log.* ./log.sum
合成到不同的目录：hadoop fs -getmerge /hdfs1路径 /hdfs2路径 /
（13）-put：等同于copyFromLocal
hadoop fs -put /本地路径 /hdfs路径
（14）-rm：删除文件或文件夹
hadoop fs -rm -r /hdfs路径
（15）-df ：统计文件系统的可用空间信息
hadoop fs -df -h / hdfs路径
（16）-du统计文件夹的大小信息
[root@bigdata131 hadoop-2.8.4]$ hadoop fs -du -s -h / hdfs路径
188.5 M /user/root/wcinput
[root@bigdata131 hadoop-2.8.4] hadoop fs -count / hdfs路径
1 2 197657784 / hdfs路径
嵌套文件层级； 包含文件的总数
（18）-setrep：设置hdfs中文件的副本数量：3是副本数，可改
hadoop fs -setrep 3 / hdfs路径
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。
三、Maven准备
Binary：编译之后的二进制文件
Source：表示可以查看源代码的，比Binary大一点
修改配置：
然后再换一个快的下载源，目前阿里云稍微快点。
<!--使用阿里云镜像去下载Jar包，速度更快-->
<mirrors>
<mirror>
<id>alimaven</id>
<name>aliyun maven</name>
<url>http://maven.aliyun.com/nexus/content/groups/public/</url>
<mirrorOf>central</mirrorOf>
</mirror>
</mirrors>
打开IDEA，选择maven工程
创建一个maven工程，好了后界面：
创建好之后，再设置一下maven：
我们不用默认的，用我们自己的maven，所以选择一下：
配置文件和下载路径也选择一下：
其中下载地址已经自动识别了。但配置文件需要手选一下。
可以坐等下载一下。
跑一下：
可以跑通。
接下来是重点配置：
<dependencies>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.8.4</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-hdfs</artifactId>
<version>2.8.4</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.8.4</version>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<version>1.16.10</version>
</dependency>
<dependency>
<groupId>log4j</groupId>
<artifactId>log4j</artifactId>
<version>1.2.17</version>
</dependency>
<dependency>
<groupId>org.slf4j</groupId>
<artifactId>slf4j-api</artifactId>
<version>1.7.7</version>
</dependency>
<!-- https://mvnrepository.com/artifact/junit/junit -->
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
<scope>test</scope>
</dependency>
</dependencies>
配置然后下载。
接下来更重要。
我们把Linux的hadoop包直接解压到jdk目录里面：
提取码：vq34
下载上面文件放进bin目录下：
这样做的目的就是：可以在win里面用一些hadoop命令了。
配置win电脑的HADOOP_HOME环境变量：
PATH里面也要添加上：
上面修改hadoop和jdk同级目录。
附：Mac版本
选择binary zip archive下载
conf文件下有一个settings.xml文件。在这里面我们可以修改一下镜像的位置，默认的镜像下载速度很慢，我们可以换成阿里云的镜像。
<mirror>
<!--This sends everything else to /public -->
<id>nexus</id>
<mirrorOf>*</mirrorOf>
<url>http://maven.aliyun.com/nexus/content/groups/public/</url>
</mirror>
<mirror>
<!--This is used to direct the public snapshots repo in the
profile below over to a different nexus group -->
<id>nexus-public-snapshots</id>
<mirrorOf>public-snapshots</mirrorOf>
<url>http://maven.aliyun.com/nexus/content/repositories/snapshots/</url>
</mirror>
我们也可以把仓库的位置换了，仓库就是我们通过maven下载的jar包存放的地方。
写自己想放的位置
<localRepository>/Users/mac03/apache-maven-3.6.1/repository</localRepository>
打开终端输入命令 vim ~/.bash_profile （编辑环境变量配置文件）
vi ~/.bash_profile
遇到权限，加个sudo
在环境变量文件中加上如下的配置
export MAVEN_HOME=/Users/mac03/apache-maven-3.6.1/apache-maven/src
export PATH=$PATH:$MAVEN_HOME/bin
配置好以后，更新一下
source ~/.bash_profile
测试一下好了没
mvn -v
这样就代表配置好了
四、测试一下是否好了
创建一个Java工程：
public class HdfsClientDemo1 {
public static void main(String[] args) throws Exception {
// 1 获取文件系统
Configuration configuration = new Configuration();
// 配置在集群上运行
configuration.set("fs.defaultFS", "hdfs://bigdata131:9000");
FileSystem fileSystem = FileSystem.get(configuration);
// 直接配置访问集群的路径和访问集群的用户名称
// FileSystem fileSystem = FileSystem.get(new URI("hdfs://bigdata111:9000"),configuration, "itstar");
// 2 把本地文件上传到文件系统中
fileSystem.copyFromLocalFile(new Path("f:/hello.txt"), new Path("/hello1.copy.txt"));
// 3 关闭资源
fileSystem.close();
System.out.println("over");
}
}
按alt加回车导包，选hadoop的包
准备好上传的文件
跑一下，看看效果：
去看看成功没：
果然传过来了！很好~
报红解决如下：
提取码：ywq1
