HDFS使用

1  HDFS概述
HDFS是Hadoop应用用到的一个最主要的分布式存储系统。一个HDFS集群主要由一个NameNode和很多个Datanode组成：Namenode管理文件系统的元数据，而Datanode存储了实际的数据。本文档主要关注用户以及管理员怎样和HDFS进行交互。基本上，客户端联系Namenode以获取文件的元数据或修饰属性，而真正的文件I/O操作是直接和Datanode进行交互的。本文档从介绍如何安装和搭建HDFS集群入手，接着常用的文件系统命令，以及维护过程中涉及到的控制命令。
2       HDFS集群部署
2.1       安装
1)    用户从hadoop官方网站下载所需版本的安装文件，下载地址为：http://hadoop.apache.org/core/releases.html#Download；本文档选取的版本为hadoop-0.19.1；
2)    将下载的压缩文件解压，目录为./hadoop-0.19.1，按照附录《hdfs 测试组网方案》中系统参数配置部分，修改./hadoop-0.19.1/conf中的文件；
3)    检查所有服务器上是否安装了J2sdk，要求版本为1.5及以上；并建立安装目录到/usr/local/j2sdk的软链接；
4)    将hadoop目录上传到所有的服务器，放置在${HADOOP_HOME}目录下；
5)    挂载namenode和secondary namenode的fsimage，editslogs备份目录；
2.2       启动
1)    进入namenode的${HADOOP_HOME}；
2)    格式化namenode文件系统，执行命令：bin/hadoop namenode –format；
3)    启动hdfs，执行命令：bin/start-dfs.sh。该脚本首先启动namenode，然后读取./conf/slaves中的datanode列表，逐个启动；最后读取./conf/masters中secondary namenode地址，启动secondary namenode。
启动datanode和secondary namenode时，脚本通过ssh从当前机器登录到其他节点的，涉及到身份验证，需要输入相应的密码信息，比较繁琐。可参考ssh中免密码登录解决方法。
3       FS Shell使用指南
调用文件系统(FS)Shell命令应使用 bin/hadoop fs <args>的形式。所有的的FS shell命令使用URI路径作为参数。URI格式是scheme://authority/path。对HDFS文件系统，scheme是hdfs，对本地文件系统，scheme是file。其中scheme和authority参数都是可选的，如果未加指定，就会使用配置中指定的默认scheme。一个HDFS文件或目录比如/parent/child可以表示成hdfs://namenode:namenodeport/parent/child，或者更简单的/parent/child（假设你配置文件中的默认值是namenode:namenodeport）。大多数FS Shell命令的行为和对应的Unix Shell命令类似，不同之处会在下面介绍各命令使用详情时指出。出错信息会输出到stderr，其他信息输出到stdout。

3.1       cat
使用方法：hadoop fs -cat URI [URI …]
将路径指定文件的内容输出到stdout。
示例：
      hadoop fs -cat hdfs://host1ort1/file1 hdfs://host2ort2/file2
      hadoop fs -cat file:///file3 /user/hadoop/file4
返回值：
成功返回0，失败返回-1。
3.2       chgrp
使用方法：hadoop fs -chgrp [-R] GROUP URI [URI …] Change group association of files. With -R, make the change recursively through the directory structure. The user must be the owner of files, or else a super-user. Additional information is in the Permissions User Guide.改变文件所属的组。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。更多的信息请参见HDFS权限用户指南。
3.3       chmod
使用方法：hadoop fs -chmod [-R] <MODE[,MODE]... | OCTALMODE> URI [URI …]
改变文件的权限。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。更多的信息请参见HDFS权限用户指南。
3.4       chown
使用方法：hadoop fs -chown [-R] [OWNER][:[GROUP]] URI [URI ]
改变文件的拥有者。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超级用户。更多的信息请参见HDFS权限用户指南。
3.5       copyFromLocal
使用方法：hadoop fs -copyFromLocal <localsrc> URI
除了限定源路径是一个本地文件外，和put命令相似。
3.6       copyToLocal
使用方法：hadoop fs -copyToLocal [-ignorecrc] [-crc] URI <localdst>
除了限定目标路径是一个本地文件外，和get命令类似。
3.7       cp
使用方法：hadoop fs -cp URI [URI …] <dest>
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。
示例：
      hadoop fs -cp /user/hadoop/file1 /user/hadoop/file2
      hadoop fs -cp /user/hadoop/file1 /user/hadoop/file2 /user/hadoop/dir
返回值：
成功返回0，失败返回-1。
3.8       du
使用方法：hadoop fs -du URI [URI …]
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。示例：
hadoop fs -du /user/hadoop/dir1 /user/hadoop/file1 hdfs://hostort/user/hadoop/dir1
返回值：
成功返回0，失败返回-1。
3.9       dus
使用方法：hadoop fs -dus <args>
显示文件的大小。
3.10 expunge
使用方法：hadoop fs -expunge
清空回收站。请参考HDFS设计文档以获取更多关于回收站特性的信息。
3.11 get
使用方法：hadoop fs -get [-ignorecrc] [-crc] <src> <localdst>
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。
示例：
      hadoop fs -get /user/hadoop/file localfile
      hadoop fs -get hdfs://hostort/user/hadoop/file localfile
返回值：
成功返回0，失败返回-1。
3.12 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。
3.13 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
示例：
hadoop fs -ls /user/hadoop/file1 /user/hadoop/file2 hdfs://hostort/user/hadoop/dir1 /nonexistentfile
返回值：
成功返回0，失败返回-1。
3.14 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。
3.15 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。
示例：
      hadoop fs -mkdir /user/hadoop/dir1 /user/hadoop/dir2
      hadoop fs -mkdir hdfs://host1ort1/user/hadoop/dir hdfs://host2ort2/user/hadoop/dir
返回值：
成功返回0，失败返回-1。
3.16 movefromLocal
使用方法：dfs -moveFromLocal <src> <dst>
输出一个”not implemented“信息。
3.17 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。不支持文件夹重命令。
示例：
      hadoop fs -mv /user/hadoop/file1 /user/hadoop/file2
      hadoop fs -mv hdfs://hostort/file1 hdfs://hostort/file2 hdfs://hostort/file3 hdfs://host:port/dir1
返回值：
成功返回0，失败返回-1。
3.18 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
      hadoop fs -put localfile1 localfile2 /user/hadoop/hadoopdir
      hadoop fs -put localfile hdfs://host:port/hadoop/hadoopfile
      hadoop fs -put - hdfs://host:port/hadoop/hadoopfile
从标准输入中读取输入。
返回值：
成功返回0，失败返回-1。
3.19 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。请参考rmr命令了解递归删除。
示例：
      hadoop fs -rm hdfs://host:port/file /user/hadoop/emptydir
返回值：
成功返回0，失败返回-1。
3.20 rmr
使用方法：hadoop fs -rmr URI [URI …]
delete的递归版本。
示例：
      hadoop fs -rmr /user/hadoop/dir
      hadoop fs -rmr hdfs://host:port/user/hadoop/dir
返回值：
成功返回0，失败返回-1。
3.21 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。
示例：
      hadoop fs -setrep -w 3 -R /user/hadoop/dir1
返回值：
成功返回0，失败返回-1。
3.22 stat
使用方法：hadoop fs -stat URI [URI …]
返回指定路径的统计信息。
示例：
      hadoop fs -stat path
返回值：
成功返回0，失败返回-1。
3.23 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，行为和Unix中一致。
示例：
      hadoop fs -tail pathname
返回值：
成功返回0，失败返回-1。
3.24 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。
示例：
      hadoop fs -test -e filename
3.25 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。
3.26 touchz
使用方法：hadoop fs -touchz URI [URI …]
创建一个0字节的空文件。
示例：
      hadoop -touchz pathname
返回值：
成功返回0，失败返回-1。

4       命令手册
4.1       概述
所有的hadoop命令均由bin/hadoop脚本引发。不指定参数运行hadoop脚本会打印所有命令的描述。
用法：hadoop [--config confdir] [COMMAND] [GENERIC_OPTIONS] [COMMAND_OPTIONS]
Hadoop有一个选项解析框架用于解析一般的选项和运行类。
命令选项       描述
--config confdir       覆盖缺省配置目录。缺省是${HADOOP_HOME}/conf。
GENERIC_OPTIONS       多个命令都支持的通用选项。
COMMAND
命令选项S       各种各样的命令和它们的选项会在下面提到。这些命令被分为用户命令管理命令两组。

4.1.1 常规选项
下面的选项被 dfsadmin, fs, fsck和 job支持。应用程序要实现 Tool来支持常规选项。
GENERIC_OPTION       描述
-conf <configuration file>       指定应用程序的配置文件。
-D <property=value>       为指定property指定值value。
-fs <local|namenode:port>       指定namenode。
-jt <local|jobtracker:port>       指定job tracker。只适用于job。

-files <逗号分隔的文件列表>       指定要拷贝到map reduce集群的文件的逗号分隔的列表。只适用于job。

-libjars <逗号分隔的jar列表>       指定要包含到classpath中的jar文件的逗号分隔的列表。只适用于job。

-archives <逗号分隔的archive列表>       指定要被解压到计算节点上的档案文件的逗号分割的列表。只适用于job。

4.2       用户命令
hadoop集群用户的常用命令。
4.2.1 archive
创建一个hadoop档案文件。参考 Hadoop Archives.
用法：hadoop archive -archiveName NAME <src>* <dest>
命令选项       描述
-archiveName NAME       要创建的档案的名字。
src       文件系统的路径名，和通常含正则表达的一样。
dest       保存档案文件的目标目录。
4.2.2 distcp
递归地拷贝文件或目录。参考DistCp指南以获取等多信息。
用法：hadoop distcp <srcurl> <desturl>
命令选项       描述
srcurl       源Url
desturl       目标Url
4.2.3 fs
用法：hadoop fs [GENERIC_OPTIONS] [COMMAND_OPTIONS]
运行一个常规的文件系统客户端。
各种命令选项可以参考HDFS Shell指南。
4.2.4 fsck
运行HDFS文件系统检查工具。参考Fsck了解更多。
用法：hadoop fsck [GENERIC_OPTIONS] <path> [-move | -delete | -openforwrite] [-files [-blocks [-locations | -racks]]]
命令选项       描述
<path>       检查的起始目录。
-move       移动受损文件到/lost+found
-delete       删除受损文件。
-openforwrite       打印出写打开的文件。
-files       打印出正被检查的文件。
-blocks       打印出块信息报告。
-locations       打印出每个块的位置信息。
-racks       打印出data-node的网络拓扑结构。
4.2.5 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...
streaming作业是通过这个命令执行的。参考Streaming examples中的例子。
Word count例子也是通过jar命令运行的。参考Wordcount example。
4.2.6 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。
4.2.7 pipes
运行pipes作业。
用法：hadoop pipes [-conf <path>] [-jobconf <key=value>, <key=value>, ...] [-input <path>] [-output <path>] [-jar <jar file>] [-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
4.2.8 version
打印版本信息。
用法：hadoop version
4.2.9 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。

4.3       管理命令
hadoop集群管理员常用的命令。
4.3.1 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。参考Rebalancer了解更多。
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。
4.3.2 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>
4.3.3 datanode
运行一个HDFS的datanode。
用法：hadoop datanode [-rollback]
命令选项       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。
4.3.4 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。
4.3.5 jobtracker
运行MapReduce job Tracker节点。
用法：hadoop jobtracker
4.3.6 namenode
运行namenode。有关升级，回滚，升级终结的更多信息请参考升级和回滚。
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。
4.3.7 secondarynamenode
运行HDFS的secondary namenode。参考Secondary Namenode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。
4.3.8 tasktracker
运行MapReduce的task Tracker节点。
用法：hadoop tasktracker

posted @ 2014-06-09 22:20 王立君阅读(655) 评论(0) 编辑收藏举报

刷新页面返回顶部

一亩三分地

王立君-技术分享

HDFS使用

公告