Hadoop 命令手册
1、 用户命令
1.1 archive
1.1.1 什么是Hadooparchives
Hadoop的归档文件,每个文件以块方式存储,块的元数据存储在名称节点的内存里,此时存储一些小的文件,HDFS会较低效。因此,大量的小文件会耗尽名称节点的大部分内存。(注意,相较于存储文件原始内容所需要的磁盘空间,小文件所需要的空间不会更多。例如,一个1 MB的文件以大小为128 MB的块存储,使用的是1 MB的磁盘空间,而不是128 MB。)
Hadoop Archives或HAR文件,是一个更高效的将文件放入HDFS块中的文件存档设备,在减少名称节点内存使用的同时,仍然允许对文件进行透明的访问。具体说来,Hadoop Archives可以被用作MapReduce的输入。
1.1.2 如何使用archive
Hadoop Archives通过使用archive工具根据一个文件集合创建而来。这些工具运行一个MapReduce作业来并行处理输入文件,因此我们需要一个MapReduce集群去运行使用它。HDFS中有一些我们希望归档的文件:
% hadoop fs -lsr /my/files <p>-rw-r--r-- 1 tom supergroup 1 2009-04-09 19:13 /my/files/a </p><p>drwxr-xr-x - tom supergroup 0 2009-04-09 19:13 /my/files/dir </p><p>-rw-r--r-- 1 tom supergroup 1 2009-04-09 19:13 /my/files/dir/b </p>
现在我们可以运行archive指令:
% hadoop archive -archiveName files.har /my/files /my
第一个选项是归档文件名称,这里是file.har。HAR文件总是有一个.har扩展名,这是必需的,具体理由见后文描述。接下来把文件放入归档文件。这里我们只归档一个源树,即HDFS下/my/files中的文件,但事实上,该工具接受多个源树。最后一个参数是HAR文件的输出目录。让我们看看这个归档文件是怎么创建的:
% hadoop fs -ls /my Found 2 items drwxr-xr-x - tom supergroup 0 2009-04-09 19:13 /my/files drwxr-xr-x - tom supergroup 0 2009-04-09 19:13 /my/files.har % hadoop fs -ls /my/files.har Found 3 items -rw-r--r-- 10 tom supergroup 165 2009-04-09 19:13 /my/files.har/_index -rw-r--r-- 10 tom supergroup 23 2009-04-09 19:13 /my/files.har/_masterindex -rw-r--r-- 1 tom supergroup 2 2009-04-09 19:13 /my/files.har/part-0
这个目录列表展示了一个HAR文件的组成部分:两个索引文件和部分文件的集合(本例中只有一个)。这些部分文件包含已经链接在一起的大量原始文件的内容,并且索引使我们可以查找那些包含归档文件的部分文件,包括它的起始点和长度。但所有这些细节对于使用har URI方案与HAR文件交互的应用都是隐藏的,HAR文件系统是建立在基础文件系统上的(本例中是HDFS)。以下命令以递归方式列出了归档文件中的文件:
% hadoop fs -lsr har:///my/files.har drw-r--r-- - tom supergroup 0 2009-04-09 19:13 /my/files.har/my drw-r--r-- - tom supergroup 0 2009-04-09 19:13 /my/files.har/my/files -rw-r--r-- 10 tom supergroup 1 2009-04-09 19:13 /my/files.har/my/files/a drw-r--r-- - tom supergroup 0 2009-04-09 19:13 /my/files.har/my/files/dir -rw-r--r-- 10 tom supergroup 1 2009-04-09 19:13 /my/files.har/my/files/dir/b
如果HAR文件所在的文件系统是默认的文件系统,这就非常直观易懂。但如果想使用在其他文件系统中的HAR文件,就需要使用一个不同于正常情况的URI路径格式。以下两个指令作用相同,例如:
% hadoop fs -lsr har:///my/files.har/my/files/dir % hadoop fs -lsr har://hdfs-localhost:8020/my/files.har/my/files/dir
注意第二个格式,仍以har方案表示一个HAR文件系统,但是是由hdfs指定基础的文件系统方案,后面加上一个横杠和HDFS host(localhost)和端口(8020)。我们现在算是明白为什么HAR文件必须要有.har扩展名了。通过查看权限和路径及.har扩展名的组成,HAR文件系统将har URI转换成为一个基础文件系统的URI。在本例中是hdfs://localhost:8020/user/tom/files.har。路径的剩余部 分是文件在归档文件中的路径:/user/tom/files/dir。
要想删除一个HAR文件,需要使用删除的递归格式,因为对于基础文件系统来说,HAR文件是一个目录。
% hadoop fs -rmr /my/files.har
1.2 Distcp
递归地拷贝文件或目录。参考http://hadoop.apache.org/docs/r1.0.4/cn/distcp.html
1.3 fs
1.3.1 cat
查看hadoop某一个文件内容
[[email protected] input]$ hadoop fs -cat /user/hadoop/input/example1/file2 2012-3-1 b 2012-3-2 a 2012-3-3 b
1.3.2 chgrp
改变文件所属的组
[[email protected] input]$ hadoop fs -chgrp hadoop /user/hadoop/input/example1/file2
1.3.3 chmod
修改文件的权限
[[email protected] input]$ hadoop fs -chmod -R 667 /user/hadoop/input/example1/file2
1.3.4 chown
修改文件的所属用户和所属组
[[email protected] input]$ hadoop fs -chown hadoop:hadoop/user/hadoop/input/example1/file2
1.3.5 copyFromLocal
将本地文件复制到HDFS中
[[email protected] input]$ hadoop fs -copyFromLocal empty.txt/user/hadoop/input/example1/empty.txt
1.3.6 copyToLocal
将HDFS中的文件复制到本地
[[email protected] input]$ hadoop fs -copyToLocal /user/hadoop/input/example1/file1 /home/hadoop/file1
1.3.7 du
显示所有文件大小或一个文件大小
[[email protected] input]$ hadoop fs –du /user/hadoop/input/example1/file1
1.3.8 dus
显示文件夹大小
[[email protected] input]$ hadoop fs –dus /user/hadoop/input/example1/file1
1.3.9 expunge
清空回收站
[[email protected] input]$ hadoop fs –expunge
1.3.10 get
复制文件到本地文件系统, 可用-ignorecrc选项复制CRC校验失败的文件。使用-crc选项复制文件以及CRC信息
hadoop fs –get
/user/hadoop/input/example1/file1 /home/hadoop/file1
1.3.11 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。
Hadoop fs -getmerge
/user/hadoop/input/example1/ /home/hadoop/view.txt
1.3.12 ls
使用方法:hadoop fs -ls <args>
如果是文件,则按照如下格式返回文件信息:
文件名 <副本数> 文件大小修改日期 修改时间 权限 用户ID 组ID
如果是目录,则返回它直接子文件的一个列表,就像在Unix中一样。目录返回列表的信息如下:
目录名 <dir> 修改日期修改时间 权限 用户ID 组ID
Hadoop fs –ls /user/hadoop/input/example1/file1
1.3.13 lsr
使用方法:hadoop fs -lsr <args>
ls命令的递归版本。类似于Unix中的ls -R。
hadoop fs –lsr /user/hadoop/input/
1.3.14 mkdir
使用方法:hadoop fs -mkdir <paths>
接受路径指定的uri作为参数,创建这些目录。其行为类似于Unix的mkdir -p,它会创建路径中的各级父目录。
hadoop fs –mkdir /user/hadoop/input/testdir/testfold/
1.3.15 moveFromLocal
和copyFromLocal一样的意思,将本地文件复制到HDFS中
hadoop fs –moveFromLocal local.txt /user/hadoop/input/example/
1.3.16 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。
hadoop fs –mv
/user/hadoop/input/example1/file1/user/hadoop/input/example2/file1
1.3.17 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/hadoop/hadoopfile
1.3.18 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。
[[email protected] input]$
hadoop fs -rm localfile/user/hadoop/hadoopfile
1.3.19 rmr
使用方法:hadoop fs -rmr URI [URI …]
delete的递归版本。
hadoop fs -rmr /user/hadoop/dir
1.3.20 setrep
使用方法:hadoop fs -setrep [-R] <path>
改变一个文件的副本系数。-R选项用于递归改变目录下所有文件的副本系数。
hadoop fs –setrep –w 3 –R /user/hadoop/input/example1
1.3.21 stat
使用方法:hadoop fs -stat URI [URI …]
返回指定路径的统计信息。
返回该文件夹或者文件的创建时间
hadoop fs –stat /user/hadoop/input/example1
1.3.22 tail
使用方法:hadoop fs -tail [-f] URI
将文件尾部1K字节的内容输出到stdout。支持-f选项(动态监控文件增长数据),行为和Unix中一致。
hadoop fs –tail /user/hadoop/input/example1/file1
1.3.23 test
使用方法:hadoop fs -test -[ezd] URI
选项:
-e 检查文件是否存在。如果存在则返回0。
-z 检查文件是否是0字节。如果是则返回0。
-d 如果路径是个目录,则返回1,否则返回0。
hadoop fs–test
–e /user/hadoop/input/example1/file1
hadoop fs –test –z /user/hadoop/input/example1/file1
hadoop fs –test –d /user/hadoop/input/example1/file1
1.3.24 text
使用方法:hadoop fs -text <src>
将源文件输出为文本格式。允许的格式是zip和TextRecordInputStream。
hadoop fs –text /user/hadoop/input/example1/file1.zip
1.3.25 touchz
使用方法:hadoop fs -touchz URI [URI …]
创建一个0字节的空文件。
hadoop fs –touchz /user/hadoop/input/example1/newfile
1.4 fsck
Usage: DFSck <path> [-move | -delete | -openforwrite][-files [-blocks [-locations | -racks]]]
<path> 检查这个目录中的文件是否完整
-move 破损的文件移至/lost+found目录
-delete 删除破损的文件
-openforwrite 打印正在打开写操作的文件
-files 打印正在check的文件名
-blocks 打印block报告 (需要和-files参数一起使用)
-locations 打印每个block的位置信息(需要和-files参数一起使用)
-racks 打印位置信息的网络拓扑图 (需要和-files参数一起使用)
1.5 jar
运行jar文件。用户可以把他们的Map Reduce代码捆绑到jar文件中,使用这个命令执行。
用法:hadoop jar <jar> [mainClass] args...
[[email protected] input]$
hadoop jar /usr/joe/wordcount.jarorg.myorg.WordCount
/usr/joe/wordcount/input /usr/joe/wordcount/output
1.6 job
用于和Map Reduce作业交互和命令。
用法:hadoop job [GENERIC_OPTIONS] [-submit<job-file>] | [-status <job-id>]
| [-counter <job-id><group-name> <counter-name>] | [-kill <job-id>] | [-events <job-id><from-event-#> <#-of-events>] | [-history [all]<jobOutputDir>] | [-list [all]] | [-kill-task <task-id>] |[-fail-task <task-id>]
命令选项 |
描述 |
-submit <job-file> |
提交作业 |
-status <job-id> |
打印map和reduce完成百分比和所有计数器。 |
-counter <job-id> <group-name> <counter-name> |
打印计数器的值。 |
-kill <job-id> |
杀死指定作业。 |
-events <job-id> <from-event-#> <#-of-events> |
打印给定范围内jobtracker接收到的事件细节。 |
-history [all] <jobOutputDir> |
-history <jobOutputDir> 打印作业的细节、失败及被杀死原因的细节。更多的关于一个作业的细节比如成功的任务,做过的任务尝试等信息可以通过指定[all]选项查看。 |
-list [all] |
-list all显示所有作业。-list只显示将要完成的作业。 |
-kill-task <task-id> |
杀死任务。被杀死的任务不会不利于失败尝试。 |
-fail-task <task-id> |
使任务失败。被失败的任务会对失败尝试不利。 |
1.7 pipes
运行pipes作业。
用法:hadoop pipes [-conf <path>] [-jobconf <key=value>,<key=value>, ...] [-input <path>] [-output <path>] [-jar <jarfile>] [-inputformat <class>] [-map <class>] [-partitioner<class>] [-reduce <class>] [-writer <class>] [-program<executable>] [-reduces <num>]
命令选项 |
描述 |
-conf <path> |
作业的配置 |
-jobconf <key=value>, <key=value>, ... |
增加/覆盖作业的配置项 |
-input <path> |
输入目录 |
-output <path> |
输出目录 |
-jar <jar file> |
Jar文件名 |
-inputformat <class> |
InputFormat类 |
-map <class> |
Java Map类 |
-partitioner <class> |
Java Partitioner |
-reduce <class> |
Java Reduce类 |
-writer <class> |
Java RecordWriter |
-program <executable> |
可执行程序的URI |
-reduces <num> |
reduce个数 |
1.8 version
打印版本信息。
用法:hadoop version
1.9 CLASSNAME
hadoop脚本可用于调调用任何类。
用法:hadoop CLASSNAME
运行名字为CLASSNAME的类。
2、 管理命令
2.1 Balancer
运行集群平衡工具。管理员可以简单的按Ctrl-C来停止平衡过程
用法:hadoop balancer [-threshold <threshold>]
命令选项 |
描述 |
-threshold<threshold> |
磁盘容量的百分比。这会覆盖缺省的阀值。 |
2.2 Daemonlog
获取或设置每个守护进程的日志级别。
用法:hadoop daemonlog -getlevel <host:port> <name>
用法:hadoop daemonlog -setlevel <host:port> <name><level>
命令选项 |
描述 |
-getlevel <host:port> <name> |
打印运行在<host:port>的守护进程的日志级别。这个命令内部会连接http://<host:port>/logLevel?log=<name> |
-setlevel <host:port> <name> <level> |
设置运行在<host:port>的守护进程的日志级别。这个命令内部会连接http://<host:port>/logLevel?log=<name> |
2.3 datanode
运行一个HDFS的datanode。
用法:hadoop datanode [-rollback]
选项 |
描述 |
-rollback |
将datanode回滚到前一个版本。这需要在停止datanode,分发老的hadoop版本之后使用。 |
2.4 dfsadmin
运行一个HDFS的dfsadmin客户端。
用法:hadoop dfsadmin [GENERIC_OPTIONS] [-report][-safemode enter | leave |
get | wait] [-refreshNodes] [-finalizeUpgrade][-upgradeProgress status | details | force] [-metasave filename] [-setQuota<quota> <dirname>...<dirname>] [-clrQuota<dirname>...<dirname>] [-help [cmd]]
命令选项 |
描述 |
-report |
报告文件系统的基本信息和统计信息。 |
-safemode enter | leave | get | wait |
安全模式维护命令。安全模式是Namenode的一个状态,这种状态下,Namenode 1. 不接受对名字空间的更改(只读) 2. 不复制或删除块 Namenode会在启动时自动进入安全模式,当配置的块最小百分比数满足最小的副本数条件时,会自动离开安全模式。安全模式可以手动进入,但是这样的话也必须手动关闭安全模式。 |
-refreshNodes |
重新读取hosts和exclude文件,更新允许连到Namenode的或那些需要退出或入编的Datanode的集合。 |
-finalizeUpgrade |
终结HDFS的升级操作。Datanode删除前一个版本的工作目录,之后Namenode也这样做。这个操作完结整个升级过程。 |
-upgradeProgress status | details | force |
请求当前系统的升级状态,状态的细节,或者强制升级操作进行。 |
-metasave filename |
保存Namenode的主要数据结构到hadoop.log.dir属性指定的目录下的<filename>文件。对于下面的每一项,<filename>中都会一行内容与之对应 1. Namenode收到的Datanode的心跳信号 2. 等待被复制的块 3. 正在被复制的块 4. 等待被删除的块 |
-setQuota <quota> <dirname>...<dirname> |
为每个目录 <dirname>设定配额<quota>。目录配额是一个长整型整数,强制限定了目录树下的名字个数。 命令会在这个目录上工作良好,以下情况会报错: 1. N不是一个正整数,或者 2. 用户不是管理员,或者 3. 这个目录不存在或是文件,或者 4. 目录会马上超出新设定的配额。 |
-clrQuota <dirname>...<dirname> |
为每一个目录<dirname>清除配额设定。 命令会在这个目录上工作良好,以下情况会报错: 1. 这个目录不存在或是文件,或者 2. 用户不是管理员。 如果目录原来没有配额不会报错。 |
-help [cmd] |
显示给定命令的帮助信息,如果没有给定命令,则显示所有命令的帮助信息。 |
2.5 Jobtracker
运行MapReduce job Tracker节点。
用法:hadoop jobtracker
2.6 Namenode
运行namenode。有关升级,回滚。
用法:hadoop namenode [-format] | [-upgrade] | [-rollback] | [-finalize] |[-importCheckpoint]
命令选项 |
描述 |
-format |
格式化namenode。它启动namenode,格式化namenode,之后关闭namenode。 |
-upgrade |
分发新版本的hadoop后,namenode应以upgrade选项启动。 |
-rollback |
将namenode回滚到前一版本。这个选项要在停止集群,分发老的hadoop版本后使用。 |
-finalize |
finalize会删除文件系统的前一状态。最近的升级会被持久化,rollback选项将再不可用,升级终结操作之后,它会停掉namenode。 |
-importCheckpoint |
从检查点目录装载镜像并保存到当前检查点目录,检查点目录由fs.checkpoint.dir指定。 |
2.7 secondarynamenode
运行HDFS的secondary namenode。参考SecondaryNamenode了解更多。
用法:hadoop secondarynamenode [-checkpoint [force]] | [-geteditsize]
命令选项 |
描述 |
-checkpoint [force] |
如果EditLog的大小 >= fs.checkpoint.size,启动Secondary namenode的检查点过程。 如果使用了-force,将不考虑EditLog的大小。 |
-geteditsize |
打印EditLog大小。 |
2.8 tasktracker
运行MapReduce的task Tracker节点。
用法:hadoop tasktracker