随着数据量越来越大，在一个操作系统中存不下所有的数据。需要将这些数据分配到更多的操作系统中，带来的问题是多操作系统不方便管理和维护。需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统。HDFS是分布式文件管理系统中的一种

HDFS（Hadoop Distributed File System）它是一个文件系统，用于存储文件，通过目录树来定位文件。其次，他是分布式的，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

HDFS 的使用场景：适合一次写，多次读的场景，且不支持文件的修改。适合用来做数据分析

HDFS 中的文件在物理上是分块存储（Block），块的大小可以手动配置参数 dfs.blocksize 来修改（Hadoop 2.x 是 128m，之前是 64m）

普遍认为，寻址时间（即查找目标 block 的时间）为 10ms，而寻址时间为传输时间的 1% 时，为 HDFS 运行的理想最佳状态。此时传输时间为 10ms / 1% = 1000ms = 1s，而目前硬盘的传输速度普遍为 100m/s ，因此 block 的大小取 1s*100m/s = 100m。离它最近的 2 的次幂就是 128 了。这块可以看出，影响 block 大小的主要因素就是硬盘的读取速度。因此当采用固态硬盘的时候完全可以把数值调整到 256 m 甚至更多。

块太小的时候，会增加寻址时间

但当块变得很大时，就要想办法避免热点数据的频繁读取了。这一点在 Google 的论文中有提到，论文中给到的解决思路是客户端缓存，但是并没有提具体实现 https://www.cnblogs.com/zzjhn/p/3834729.html

bin/hadoop fs 具体命令 OR bin/hdfs dfs 具体命令

dfs是fs的实现类

项目地址 https://github.com/keatsCoder/HdfsClientDemo

创建 maven 项目，引入依赖

<dependencies> <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>RELEASE</version> </dependency> <dependency> <groupId>org.apache.logging.log4j</groupId> <artifactId>log4j-core</artifactId> <version>2.8.2</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-common</artifactId> <version>2.10.1</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-client</artifactId> <version>2.10.1</version> </dependency> <dependency> <groupId>org.apache.hadoop<电脑/groupId> <artifactId>hadoop-hdfs</artifactId> <version>2.10.1</version> </dependency> <dependency> <groupId>jdk.tools</groupId> <artifactId>jdk.tools</artifactId> <version>1.8</version> <scope>system</scope> <systemPath>${JAVA_HOME}/lib/tools.jar</systemPath> </dependency> </dependencies>

创建 Java 类，HdfsClient 主要进行了三步操作

public class HdfsClient { static FileSystem fs; static { Configuration conf = new Configuration(); conf.set("fs.defaultFS", "hdfs://linux102:9000"); try { fs = FileSystem.get(conf); } catch (IOException e) { 电脑 e.printStackTrace(); } } public static void main(String[] args) throws IOException { // 执行操作 mkDir(); // 释放资源 fs.close(); } private static void mkDir() throws IOException { fs.mkdirs(new Path("/john/keats")); }}

尝试运行，会得到第一个错误，大意是权限被拒绝，这个时候就需要配置 JVM 参数 -DHADOOP_USER_NAME=root 来告诉集群，使用 root 用户进行操作

配置好之后再运行，会遇到第二个错误

Could not locate Hadoop executable: D:\develop\hadoop\bin\winutils.exe -see https://wiki.apache.org/hadoop/WindowsProblems

这是因为我们之前配置环境的时候，解压的 hadoop 文件 bin 目录下没有 winutils.exe 这个文件，根据后面地址 wiki 百科的指示，可以下载该文件放在 bin 目录下。但是目前那个文件的最新版本是 2.8.1，也许会存在某些方面不兼容的问题，目前还暂时没电脑有发现。因此可以直接下载该版本使用 https://github.com/steveloughran/winutils/releases

FileSystem.get() 有一个重载方法，三个参数，第一个是 hadoop namenode 地址，第二个是 conf 对象，第三个是用户名。可以一次配好

测试方法详见示例代码 HdfsClient2.java 类

fs = FileSystem.get(new URI("hdfs://linux102:9000"), conf, "root");上传文件

在项目 resource 目录下创建文件 zhangsan.txt

调用 copyFromLocalFile 方法上传文件

private static void uploadFile() throws IOException { URL systemResource = ClassLoader.getSystemResource("zhangsan.txt"); String path = systemResource.getPath(); fs.copyFromLocalFile(new Path(path), new Path("/john/keats/love"));}

copyFromLocalFile 还有三个重载方法，分别提供以下功能

之前我们在 hadoop 集群配置的副本数量是 3 ，而 hadoop client 也支持两种方式配置参数

加上默认的 default-xxxx.xml 一共四种配置的方式。他们的优先级是

conf > resources 下的配置文件 > hadoop 集群配置文件 > default

ConfigFileTest.java 类对此处的配置进行的说明与测试，读者可以运行体验

fs.copyToLocalFile(new Path("/three.txt"), new Path("D://zhangsan.txt"));

copyToLocalFile 还有两个重载方法，分别添加了。具体代码可参考 DownLoadFileTest.java

// 是否删除源文件boolean delSrc

// 是否使用RawLocalFileSystem作为本地文件系统// 默认是 false，目前比较直观的就是 false 状态下下载文件会同时生成 .crc 格式的校验文件，设置为 true 时不会生成boolean useRawLocalFileSystem删除文件

删除文件的API，第二个参数表示是否递归删除。如果要删除的 Path 对应的是文件夹，recursive 需要设置为 true ，否则会抛异常。其实就相当于 rm -r 中的参数 -r

public abstract boolean delete(Path f, boolean recursive) throws IOException;

private static void deleteFile() throws IOException { // /john/keats 是文件夹目录，递归设置为 false 会报错 PathIsNotEmptyDirectoryException: ``/john/keats is non empty': Directory is not empty // fs.delete(new Path("/john/keats"), false); // 先上传，再删除 HdfsClient2.uploadFile(true); fs.delete(new Path("/john/keats/love/zhangsan.txt"), true);}

这块我在删除之前添加了上传操作，目的是为了防止文件不存在。而上传又存在一种可能就是目标文件已存在。这是个薛定谔的文件- -，因此我查看了 FileSystem 的上传 API，他是提供 overwrite 开关的，默认是 true 即覆盖目标文件

private static void renameFile() throws IOException { String dstFileName = "wangwu.txt"; HdfsClient2.uploadFile(); deleteFile(dstFileName); // 目标文件不存在，则更名成功 boolean rename = fs.rename(new Path("/john/keats/love/zhangsan.txt"), new Path("/john/keats/love/", dstFileName)); Assert.assertTrue(rename); // 目标文件存在，则更名失败 boolean renameButDstIsExist = fs.rename(new Path("/john/keats/love/zhangsan.txt"), new Path("/john/keats/love/", dstFileName)); Assert.assertFalse(renameButDstIsExist);}读取文件详细信息

public static void listFiles() throws IOException { // 获取文件详情 RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true); while (listFiles.hasNext()) { LocatedFileStatus status = listFiles.next(); // 输出详情 // 文件名称 System.out.println(status.getPath().getName()); // 长度 System.out.println(status.getLen()); // 权限 System.out.println(status.getPermission()); // 分组 System.out.println(status.getGroup()); // 获取存储的块信息 BlockLocation[] blockLocations = status.getBlockLocations(); for (BlockLocation blockLocation : blockLocations) { // 获取块存储的主机节点 String[] hosts = blockLocation.getHosts(); for (String host : hosts) { System.out.println(host); } } System.out.println("-----------分割线----------"); }}

判断某路径下的内容是文件还是文件夹

public static void isFile() throws IOException { // FileStatus[] listStatus = fs.listStatus(new Path("/")); FileStatus[] listStatus = fs.listStatus(new Path("/three.txt")); for (FileStatus fileStatus : listStatus) { // 如果是文件 if (fileStatus.isFile()) { System.out.println("f:"+fileStatus.getPath().getName()); }else { System.out.println("d:"+fileStatus.getPath().getName()); } }}HDFS的I/O流操作

// 从本地上传到HDFSpublic static void copyFileFromDiskByIO() throws IOException { // 2 创建输入流 FileInputStream fis = new FileInputStream(new File("D:/zhangsan.txt")); // 3 获取输出流 FSDataOutputStream fos = fs.create(new Path("/zhangsan.txt")); // 4 流对拷 IOUtils.copyBytes(fis, fos, conf);}// 从HDFS拷贝到本地public static void copyFileFromHDFSByIO() throws IOException { FSDataInputStream fis = fs.open(new Path("/zhangsan.txt")); // 3 获取输出流 FileOutputStream fos = new FileOutputStream(new File("D:/zhangsan1.txt")); // 4 流的对拷 IOUtils.copyBytes(fis, fos, conf);}文件的定位读取

/** * 从某个位置开始拷贝文件，用于读取某个完整文件的部分内容 */public static void copyFileSeek() throws Exception{ // 2 打开输入流 FSDataInputStream fis = fs.open(new Path("/hadoop-2.10.1.tar.gz")); // 3 定位输入数据位置 fis.seek(1024*1024*128); // 4 创建输出流 FileOutputStream fos = new FileOutputStream(new File("D:/hadoop-2.7.2.tar.gz.part2")); // 5 流的对拷 IOUtils.copyBytes(fis, fos, conf);}HDFS 原理HDFS的读写数据流程写数据

1）客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在

2）NameNode返回是否可以上传

3）客户端请求第一个 Block上传到哪几个DataNode服务器上（根据服务器距离以及负载排序，取前副本数个服务器返回）

4）NameNode返回3个DataNode节点，分别为dn1、dn2、dn3

5）客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成

6）dn1、dn2、dn3逐级应答客户端

7）客户端开始往dn1上传第一个Block（先从磁盘读取数据放到一个本地内存缓存），以Packet为单位，dn1收到一个Packet就会传给dn2，dn2传给dn3；dn1每传一个packet会放入一个应答队列等待应答

8）当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器。（重复执行3-7步）

1）客户端通过Distributed FileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址

2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据

3）DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet为单位来做校验）

4）客户端以Packet为单位接收，先在本地缓存，然后写入目标文件

在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？

节点距离：两个节点到达最近的共同祖先的距离总和

机架感知说明

http://hadoop.apache.org/docs/r2.10.1/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication

For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on one node in the local rack, another on a different node in the local rack, and the last on a different node in a different rack.

这样布置，第一考虑的是速度，也兼顾了容灾的要求

首先，我们做个假设，如果存储在NameNode节点的磁盘中，因为经常需要进行随机访问，还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的FsImage

这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新FsImage，就会导致效率过低，但如果不更新，就会发生一致性问题，一旦NameNode节点断电，就会产生数据丢失。因此，引入Edits文件(只进行追加操作，效率很高)。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到Edits中。这样，一旦NameNode节点断电，可以通过FsImage和Edits的合并，合成元数据。

但是，如果长时间添加数据到Edits中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。因此，需要定期进行FsImage和Edits的合并，如果这个操作由NameNode节点完成，又会效率过低。因此，引入一个新的节点SecondaryNamenode，专门用于FsImage和Edits的合并

整体的操作机制和 Redis 差不多，FsImage 相当于 Redis 中的 RDB 快照，Edits 相当于 Redis 中的 AOF 日志，两者结合。而 Redis 合并两个文件是采用的 Fork 进程的方式

第一阶段：NameNode启动

（1）第一次启动NameNode格式化后，创建Fsimage和Edits文件。如果不是第一次启动，直接加载编辑日志和镜像文件到内存

（2）客户端对元数据进行增删改的请求

（3）NameNode记录操作日志，更新滚动日志

（4）NameNode在内存中对数据进行增删改

第二阶段：Secondary NameNode工作

（1）Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果

（2）Secondary NameNode请求执行CheckPoint

? （3）NameNode滚动正在写的Edits日志

? （4）将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode

? （5）Secondary NameNode加载编辑日志和镜像文件到内存，并合并

? （6）生成新的镜像文件fsimage.chkpoint

? （7）拷贝fsimage.chkpoint到NameNode

? （8）NameNode将fsimage.chkpoint重新命名成fsimage

1）一个数据块在DataNode上以文件形式存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳

2）DataNode启动后向NameNode注册，通过后，周期性（1小时）的向NameNode上报所有的块信息

3）心跳是每3秒一次，心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器，或删除某个数据块。如果超过10分钟没有收到某个DataNode的心跳，则认为该节点不可用

4）集群运行中可以安全加入和退出一些机器

DataNode 也可以配置成多个目录，每个目录存储的数据不一样。不同于 NameNode 多目录配置，NameNode 多个目录直接的数据是一样的，仅做备份和容灾用。我想是因为 DataNode 已经使用副本来做备份了，如果还继续在本机复制多份，不是很有必要。而 NameNode 在未做高可用之前并没有足够的备份，因此产生了差异

hdfs-site.xml

<property><name>dfs.datanode.data.dir</name><value>file:///${hadoop.tmp.dir}/dfs/data1,file:///${hadoop.tmp.dir}/dfs/data2</value></property>添加新数据节点

（1）在hadoop104主机上再克隆一台hadoop105主机

（2）修改IP地址和主机名称

（3）删除原来HDFS文件系统留存的文件（/opt/module/hadoop/data和log）

（4）source一下配置文件

（5）直接启动DataNode，即可关联到集群

如果数据不均衡，可以使用 ./start-balancer.sh 命令实现集群的再均衡

但是这样存在一个问题：如果某些恶意分子知道了 NameNode 的地址，便可以连接集群并克隆出集群的数据，这样是极不安全的

只允许白名单内的地址连接 NameNode

在 NameNode 的 /opt/module/hadoop/etc/hadoop目录下创建 dfs.hosts 文件，并添加如下主机名称

linux102linux103linux104

在 NameNode 的 hdfs-site.xml 配置文件中增加 dfs.hosts 属性

<property> <name>dfs.hosts</name> <value>/opt/module/hadoop/etc/hadoop/dfs.hosts</value></property>

文件分发

xsync hdfs-site.xml

刷新NameNode

hdfs dfsadmin -refreshNodes

打开 Web 页面，可以看到不在白名单的 DataNode 会被下线

在黑名单上的节点会被强制退出

黑名单的配置 key 如下

<property><name>dfs.hosts.exclude</name><value>/opt/module/hadoop/etc/hadoop/dfs.hosts.exclude</value></property>

需要注意

bin/hadoop distcphdfs://linux102:9000/user/keats/hello.txt hdfs://linux103:9000/user/keats/hello.txt小文件存档

开启回收站功能，可以将删除的文件在不超时的情况下，恢复原数据，起到防止误删除、备份等作用

快照相当于对目录做一个备份，并不会立刻复制所有文件。而是记录文件变化

原作者：@后青春期的Keats

链接：https://www.cnblogs.com/keatsCoder/p/14233180.html

我这边整理了一份：架构师全套关于Java的系统化资料，包括Java核心知识点、面试专题和最新的互联网真题、电子书等都有，有需要的朋友可以私信回复【面试题】即可领取。