第四章 Hadoop的安装 - 2.Hadoop的组件
HDFS文件操作
HDFS是一种文件系统,专为MapReduce这类框架下的大规模分布式数据处理而设计,你可以把一个大数据集(比如说100TB)在HDFS中存储为单个文件,而大多数其他的文件系统无力实现这一点.
HDFS并不是一个天生的UNIX文件系统,不支持像ls和cp这种标准的UNIX文件命令,也不支持如fopen()和fread()这样的标准文件读写操作.另一方面,Hadoop确也提供了一套与Linux文件命令类似的命令行工具.
基本文件命令
Hadoop的文件命令采取的形式为
hadoop fs -cmd <args>
基中cmd是具体的文件命令,而<args>
是一组数据可变的参数.cmd
的命名通常与unix对应的命令名相同.例如,文件形表命令为
hadoop fs -ls
hadoop fs -mkdir /user/chuck
hadoop fs -ls /
hadoop fs -put example.txt /user/chuck
hadoop fs -ls
hadoop fs -get example.txt .
hadoop fs -cat example.txt
hadoop fs -rm example.txt
cat命令
将路径指定文件的内容输出到stdout
hadoop@Master:~$ hadoop dfs -cat input/core-site.xml
chgrp命令
改变文件所属组.使用-R将使改变在目录结构下递归进行.命令的使用者必须是文件的所有者或者超级用户.
chmod命令
修改文件权限
chown命令
改变文件的拥有者
cp命令
将文件从源路径复制到目标路径,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
hadoop@Master:/usr/local/hadoop/etc/hadoop$ hdfs dfs -cp input/* output/
hadoop@Master:/usr/local/hadoop/etc/hadoop$ hdfs dfs -ls output
Found 11 items
-rw-r--r-- 1 hadoop supergroup 0 2016-01-25 22:14 output/_SUCCESS
-rw-r--r-- 1 hadoop supergroup 4436 2016-01-27 19:16 output/capacity-scheduler.xml
-rw-r--r-- 1 hadoop supergroup 1072 2016-01-27 19:16 output/core-site.xml
-rw-r--r-- 1 hadoop supergroup 9683 2016-01-27 19:16 output/hadoop-policy.xml
-rw-r--r-- 1 hadoop supergroup 1257 2016-01-27 19:16 output/hdfs-site.xml
-rw-r--r-- 1 hadoop supergroup 620 2016-01-27 19:16 output/httpfs-site.xml
-rw-r--r-- 1 hadoop supergroup 3523 2016-01-27 19:16 output/kms-acls.xml
-rw-r--r-- 1 hadoop supergroup 5511 2016-01-27 19:16 output/kms-site.xml
-rw-r--r-- 1 hadoop supergroup 1103 2016-01-27 19:16 output/mapred-site.xml
-rw-r--r-- 1 hadoop supergroup 107 2016-01-25 22:14 output/part-r-00000
-rw-r--r-- 1 hadoop supergroup 924 2016-01-27 19:16 output/yarn-site.xml
du命令
显示目录中所有文件的大小,或者当只指定一个文件时,显示此文件的大小.
hadoop@Master:/usr/local/hadoop/etc/hadoop$ hadoop fs -du input/core-site.xml
expunge命令
清空回收站
除了文件权限之外,还有一个保护机制可以防止在HDFS上意外删除文件,这就是回收站,默认情况下该功能是被禁用.当它启用后,用于删除的命令行不会立即删除文件.
相反它们会暂时的把文件移动到用户工作目录下的.Trash文件夹下.若要启用回收站功能并设置清空回收站的时间延迟,可能通过设置core-site.xml的fs.trash.interval属性(以分钟为单位).
例如如果你希望用户有24个小时的时间来还原已删除的文件,就应该在core-site.xml中设置.
如果将该值设置为0,则将禁用回收站的功能
<property>
<name>fs.trash.interval</name>
<value>1440</value>
</property>
get命令
复制文件到本地文件系统.
hadoop fs -get input/hadoop.tar.gz ~/
lsr命令
ls命令的递归版本,类似于Unix中的ls -R
mkdir命令
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/dir1 /user/hadoop/dir2
mv命令
将文件从源路径移动到目标路径
hadoop fs -mv /user/hadoop/file1 /user/hadoop/file2
put命令
从本地文件系统中复制单个或者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 /tmp/*.xml /user/hadoop/
rmr命令
hadoop fs -rmr /user/hadoop/chu888chu888
job命令
* Job操作
* 提交MapReduce Job, Hadoop所有的MapReduce Job都是一个jar包
* $ hadoop jar <local-jar-file> <java-class> <hdfs-input-file> <hdfs-output-dir>
* $ hadoop jar sandbox-mapred-0.0.20.jar sandbox.mapred.WordCountJob /user/cl/input.dat /user/cl/outputdir
*
* 杀死某个正在运行的Job
* 假设Job_Id为:job_201207121738_0001
* $ hadoop job -kill job_201207121738_0001
系统体检
Hadoop提供的文件系统检查工具叫做fsck,如参数为文件路径时,它会递归检查该路径下所有文件的健康状态,如果参数为/,它就会检查整个文件系统,如下输出一个例子.
hadoop@Master:~$ hadoop fsck /
DEPRECATED: Use of this script to execute hdfs command is deprecated.
Instead use the hdfs command for it.
16/01/27 22:55:14 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Connecting to namenode via http://Master:50070
FSCK started by hadoop (auth:SIMPLE) from /192.168.1.80 for path / at Wed Jan 27 22:55:15 CST 2016
.....................Status: HEALTHY
Total size: 878899 B
Total dirs: 21
Total files: 21
Total symlinks: 0
Total blocks (validated): 20 (avg. block size 43944 B)
Minimally replicated blocks: 20 (100.0 %)
Over-replicated blocks: 0 (0.0 %)
Under-replicated blocks: 0 (0.0 %)
Mis-replicated blocks: 0 (0.0 %)
Default replication factor: 1
Average block replication: 1.0
Corrupt blocks: 0
Missing replicas: 0 (0.0 %)
Number of data-nodes: 2
Number of racks: 1
FSCK ended at Wed Jan 27 22:55:15 CST 2016 in 32 milliseconds
The filesystem under path '/' is HEALTHY