02 HDFS 分布式环境实战
HDFS的主要设计理念
1、存储超大文件 这里的“超大文件”是指几百MB、GB甚至TB级别的文件。
2、最高效的访问模式是 一次写入、多次读取(流式数据访问)
3、运行在普通廉价的服务器上 HDFS设计理念之一就是让它能运行在普通的硬件之上，即便硬件出现故障，也可以通过容错策略来保证数据的高可用。
HDFS的缺点
1、将HDFS用于对数据访问要求低延迟的场景 由于HDFS是为高数据吞吐量应用而设计的，必然以高延迟为代价。
2、存储大量小文件 HDFS中元数据（文件的基本信息）存储在namenode的内存中，而namenode为单点，小文件 数量大到一定程度，namenode内存就吃不消了
HDFS分布式文件系统
hdfs：分布式文件系统 hdfs有着文件系统共同的特征： 1、有目录结构，顶层目录是： / 2、系统中存放的就是文件 3、系统可以提供对文件的：创建、删除、修改、查看、移动等功能 hdfs跟普通的单机文件系统有区别： 1、单机文件系统中存放的文件，是在一台机器的操作系统中 2、hdfs的文件系统会横跨N多的机器 3、单机文件系统中存放的文件，是在一台机器的磁盘上 4、hdfs文件系统中存放的文件，是落在n多机器的本地单机文件系统中（hdfs是一个基于linux本地文件系统之上的文件系统） hdfs的工作机制： 1、客户把一个文件存入hdfs，其实hdfs会把这个文件切块后，分散存储在N台linux机器系统中（负责存储文件块的角色：data node）<准确来说：切块的行为是由客户端决定的> 2、一旦文件被切块存储，那么，hdfs中就必须有一个机制，来记录用户的每一个文件的切块信息，及每一块的具体存储机器（负责记录块信息的角色是：name node） 3、为了保证数据的安全性，hdfs可以将每一个文件块在集群中存放多个副本（到底存几个副本，是由当时存入该文件的客户端指定的） 综述：一个hdfs系统，由一台运行了namenode的服务器，和N台运行了datanode的服务器组成！
搭建hdfs分布式集群
一、首先需要准备N台linux服务器
学习阶段，用虚拟机即可！
先准备4台虚拟机：1个namenode节点 + 3 个datanode 节点
二、修改各台机器的主机名和ip地址
主机名： hdp-01 对应的ip地址： 192.168.11.25
主机名： hdp-02 对应的ip地址： 192.168.11.26
主机名： hdp-03 对应的ip地址： 192.168.11.27
主机名： hdp-04 对应的ip地址： 192.168.11.28
三、从windows中用CRT软件进行远程连接
在windows中将各台linux机器的主机名配置到的windows的本地域名映射文件中：
c:/windows/system32/drivers/etc/hosts
192.168.11.25 hdp-01
192.168.11.26 hdp-02
192.168.11.27 hdp-03
192.168.11.28 hdp-04
用crt连接上后，修改一下crt的显示配置（字号，编码集改为UTF-8）：
四、配置linux服务器的基础软件环境
关闭防火墙
关闭防火墙：systemctl stop firewalld
关闭防火墙自启动： systemctl disable firewalld
安装JDK
1)利用alt+p 打开sftp窗口，然后将jdk压缩包拖入sftp窗口 2)然后在linux中将jdk压缩包解压到/root/apps 下 3)配置环境变量：JAVA_HOME PATH vi /etc/profile 在文件的最后，加入： export JAVA_HOME=/root/apps/jdk1.8.0_60 export PATH=$PATH:$JAVA_HOME/bin 4)修改完成后，记得 source /etc/profile使配置生效 5)检验：在任意目录下输入命令： java -version 看是否成功执行 6)将安装好的jdk目录用scp命令拷贝到其他机器 7)将/etc/profile配置文件也用scp命令拷贝到其他机器并分别执行source命令
在hdp-01上，vi /etc/hosts
192.168.11.25 hdp-01 192.168.11.26 hdp-02 192.168.11.27 hdp-03 192.168.11.28 hdp-04
将hosts文件拷贝到集群中的所有其他机器上
scp /etc/hosts hdp-02:/etc/ scp /etc/hosts hdp-03:/etc/ scp /etc/hosts hdp-04:/etc/
五、 安装hdfs集群
1、上传hadoop安装包到hdp-01
1)利用alt+p 打开sftp窗口，然后将jdk压缩包拖入sftp窗口
2)然后在linux中将hadoop-2.8.0压缩包解压到/root/apps下
2、修改配置文件
核心配置参数： 1)指定hadoop的默认文件系统为：hdfs 2)指定hdfs的namenode节点为哪台机器 3)指定namenode软件存储元数据的本地目录 4)指定datanode软件存放文件块的本地目录
hadoop的配置文件在：/root/apps/hadoop安装目录/etc/hadoop/
1)修改hadoop-env.sh
export JAVA_HOME=/root/apps/jdk1.8.0_60
2) 修改core-site.xml <configuration> <property> <name>fs.defaultFS</name> <value>hdfs://hdp01:9000</value> </property> </configuration>
3) 修改hdfs-site.xml <configuration> <property> <name>dfs.namenode.name.dir</name> <value>/root/dfs/name</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>/root/dfs/data</value> </property> </configuration>
4) 拷贝整个hadoop安装目录到其他机器 scp -r /root/apps/hadoop-2.8.0 hdp02:/root/apps/ scp -r /root/apps/hadoop-2.8.0 hdp03:/root/apps/ scp -r /root/apps/hadoop-2.8.0 hdp04:/root/apps/
5) 启动HDFS 首先，初始化namenode的元数据目录 要在hdp-01上执行hadoop的一个命令来初始化namenode的元数据存储目录 hadoop namenode -format 创建一个全新的元数据存储目录 生成记录元数据的文件fsimage 生成集群的相关标识：如：集群id——clusterID 然后，启动namenode进程（在hdp-01上） hadoop-daemon.sh start namenode 启动完后，首先用jps查看一下namenode的进程是否存在 然后，在windows中用浏览器访问namenode提供的web端口：50070 http://hdp-01:50070 然后，启动众datanode们（在任意地方） hadoop-daemon.sh start datanode
6) 用自动批量启动脚本来启动HDFS a.先配置hdp01到集群中所有机器（包含自己）的免密登陆 b.配完免密后，可以执行一次 ssh 0.0.0.0 c.修改hadoop安装目录中/etc/hadoop/slaves（把需要启动datanode进程的节点列入） hdp-01 hdp-02 hdp-03 hdp-04 d.在hdp01上用脚本：start-dfs.sh 来自动启动整个集群 e.如果要停止，则用脚本：stop-dfs.sh
