目录
1. HDFS是什么
HDFS（Hadoop Distributed File System）是Hadoop项目的核心子项目，首先它是一个文件系统，用于存储文件，通过目录树来定位文件位置；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.HDFS的优缺点
之所以选择HDFS来存储数据，是具有如下优势：
| No | 优势 | 描述 |
| 1 | 高容错性 |
|
| 2 | 适合批处理 |
|
| 3 | 适合大数据处理 |
|
| 4 | 流式文件访问 |
|
| 5 | 可构建在廉价机器上 |
|
HDFS也有不适合的场景：
| No | 缺点 | 描述 |
| 1 | 低延时数据访问 |
|
| 2 | 小文件存储 |
|
| 3 | 并发写入、文件随机修改 |
|
3. HDFS框架结构
HDFS 采用Master/Slave的架构来存储数据，这种架构主要由四个部分组成，分别为HDFS Client、NameNode、DataNode和Secondary NameNode。下面我们分别介绍这四个组成部分。
| No | 角色 | 功能描述 |
| 1 | Client：就是客户端 |
|
| 2 | NameNode：就是 master，它是一个主管、管理者 |
|
| 3 | DataNode：就是Slave。NameNode 下达命令，DataNode 执行实际的操作 |
|
| 4 | Secondary NameNode：并非 NameNode 的热备。当NameNode 挂掉的时候，它并不能马上替换 NameNode 并提供服务 |
|
4. HDFS的读写流程
4.1. HDFS的块大小
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：10ms*100*100M/s = 100M
4.2. HDFS写数据流程
1）客户端向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。
4）namenode返回3个datanode节点，分别为dn1、dn2、dn3。
5）客户端请求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）
4.3. HDFS读数据流程
1）客户端向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放入流，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。
5.HDFS命令
1）基本语法
bin/hadoop fs 具体命令
2）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 /
（3）-mkdir：在hdfs上创建目录
hadoop fs -mkdir -p /aaa/bbb/cc/dd
（4）-moveFromLocal从本地剪切粘贴到hdfs
hadoop fs - moveFromLocal /home/hadoop/a.txt /aaa/bbb/cc/dd
（5）-moveToLocal：从hdfs剪切粘贴到本地（尚未实现）
hadoop fs -help moveToLocal
-moveToLocal <src> <localdst> :
Not implemented yet
（6）--appendToFile ：追加一个文件到已经存在的文件末尾
hadoop fs -appendToFile ./hello.txt /hello.txt
（7）-cat ：显示文件内容
（8）-tail：显示一个文件的末尾
hadoop fs -tail /weblog/access_log.1
（9）-chgrp 、-chmod、-chown：linux文件系统中的用法一样，修改文件所属权限
hadoop fs -chmod 666 /hello.txt
hadoop fs -chown someuser:somegrp /hello.txt
（10）-copyFromLocal：从本地文件系统中拷贝文件到hdfs路径去
hadoop fs -copyFromLocal ./jdk.tar.gz /aaa/
（11）-copyToLocal：从hdfs拷贝到本地
hadoop fs -copyToLocal /user/hello.txt ./hello.txt
（12）-cp ：从hdfs的一个路径拷贝到hdfs的另一个路径
hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2
（13）-mv：在hdfs目录中移动文件
hadoop fs -mv /aaa/jdk.tar.gz /
（14）-get：等同于copyToLocal，就是从hdfs下载文件到本地
hadoop fs -get /user/hello.txt ./
（15）-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,...
hadoop fs -getmerge /aaa/log.* ./log.sum
（16）-put：等同于copyFromLocal
hadoop fs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2
（17）-rm：删除文件或文件夹
hadoop fs -rm -r /aaa/bbb/
（18）-rmdir：删除空目录
hadoop fs -rmdir /aaa/bbb/ccc
（19）-df ：统计文件系统的可用空间信息
hadoop fs -df -h /
（20）-du统计文件夹的大小信息
hadoop fs -du -s -h /user/data/wcinput
188.5 M /user/data/wcinput
hadoop fs -du -h /user/data/wcinput
188.5 M /user/data/wcinput/hadoop-2.7.2.tar.gz
97 /user/data/wcinput/wc.input
（21）-count：统计一个指定目录下的文件节点数量
hadoop fs -count /aaa/
hadoop fs -count /user/data/wcinput
1 2 197657784 /user/data/wcinput
嵌套文件层级； 包含文件的总数
（22）-setrep：设置hdfs中文件的副本数量
hadoop fs -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。如果只有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。
6.HDFS相关参数
| No | 参数名称 | 默认值 | 所属参数文件 | 描述 |
| 1 |
dfs.block.size, dfs.blocksize |
134217728 | hdfs-site.xml | 以字节计算的新建 HDFS 文件默认块大小。请注意该值也用作 HBase 区域服务器 HLog 块大小。 |
| 2 | dfs.replication | 3 | hdfs-site.xml | HDFS文件的数据块复制份数。 |
| 3 | dfs.webhdfs.enabled | TRUE | hdfs-site.xml | 启用 WebHDFS 界面，启动50070端口。 |
| 4 | dfs.permissions | TRUE | hdfs-site.xml | HDFS文件权限检查。 |
| 5 | dfs.datanode.failed.volumes.tolerated | 0 | hdfs-site.xml | 能够导致DN挂掉的坏硬盘最大数，默认0就是只要有1个硬盘坏了，DN就会shutdown。 |
| 6 |
dfs.data.dir, dfs.datanode.data.dir |
xxx,xxx | hdfs-site.xml | DataNode数据保存路径，可以写多块硬盘，逗号分隔 |
| 7 |
dfs.name.dir, dfs.namenode.name.dir |
xxx,xxx | hdfs-site.xml | NameNode本地元数据存储目录，可以写多块硬盘，逗号分隔 |
| 8 | fs.trash.interval | 1 | core-site.xml | 垃圾桶检查频度（分钟）。要禁用垃圾桶功能，请输入0。 |
| 9 | dfs.safemode.min.datanodes | 0 | hdfs-site.xml | 指定在名称节点存在 safemode 前必须活动的 DataNodes 数量。输入小于或等于 0 的值，以在决定启动期间是否保留 safemode 时将活动的 DataNodes 数量考虑在内。值大于群集中 DataNodes 的数量时将永久保留 safemode。 |
| 10 | dfs.client.read.shortcircuit | TRUE | hdfs-site.xml | 启用 HDFS short circuit read。该操作允许客户端直接利用 DataNode 读取 HDFS 文件块。这样可以提升本地化的分布式客户端的性能 |
| 11 | dfs.datanode.handler.count | 3 | hdfs-site.xml | DataNode 服务器线程数。默认为3,较大集群,可适当调大些,比如8。 |
| 12 | dfs.datanode.max.xcievers, dfs.datanode.max.transfer.threads | 256 | hdfs-site.xml | 指定在 DataNode 内外传输数据使用的最大线程数，datanode在进行文件传输时最大线程数 |
| 13 | dfs.balance.bandwidthPerSec, dfs.datanode.balance.bandwidthPerSec | 1048576 | hdfs-site.xml | 每个 DataNode 可用于平衡的最大带宽。单位为字节/秒 |
以上参数中可能有2个名称，前面一个是老版本1.x的后面的是新版本2.x的。
以上资料都是从网络上复制汇总过来的，如介意请告知
原文地址：https://www.cnblogs.com/mftlyg/p/9736826.html