
HDFS 全稱為Hadoop Distributed File System,是 hadoop 分布式文件系統(tǒng),具體來說,是指被設(shè)計(jì)成適合運(yùn)行在通用硬件(commodity hardware)上的分布式文件系統(tǒng)(Distributed File System)。最主要的作用是作為 Hadoop 生態(tài)中各系統(tǒng)的存儲(chǔ)服務(wù)。HDFS是Hadoop項(xiàng)目的核心子項(xiàng)目,為分布式計(jì)算中,數(shù)據(jù)存儲(chǔ)管理的基礎(chǔ),HDFS是基于流數(shù)據(jù)模式訪問和處理超大文件的需求被開發(fā)出來的,能夠在廉價(jià)的商用服務(wù)器上運(yùn)行。HDFS 具有高容錯(cuò)性、高可靠性、高可擴(kuò)展性、高獲得性、高吞吐率等特征,這些特征使得HDFS為海量數(shù)據(jù)提供了不怕故障的存儲(chǔ),從而為超大數(shù)據(jù)集(Large Data Set)的應(yīng)用處理帶來了很多便利。
高度容錯(cuò)性:HDFS 最核心的架構(gòu)目標(biāo)是,錯(cuò)誤檢測和快速、自動(dòng)的恢復(fù) 。數(shù)據(jù)會(huì)自動(dòng)保存多個(gè)副本。它通過增加副本的形式,而且就算某一副本丟失,HDFS也能自動(dòng)恢復(fù)。
支持大規(guī)模數(shù)據(jù)集: HDFS 應(yīng)用具有很大的數(shù)據(jù)集,可以支持整體上高的數(shù)據(jù)傳輸帶寬,并且能夠支撐數(shù)以千萬集的文件。
支持流式讀取數(shù)據(jù): 一次寫入,多次讀取。而且文件一旦寫入,就不能進(jìn)行修改,只能追加。這樣很好的保證了數(shù)據(jù)的一致性。
高吞吐量:吞吐量是指單位時(shí)間內(nèi)完成的工作量。HDFS通過并行處理數(shù)據(jù),從而大大減少了處理時(shí)間,實(shí)現(xiàn)了高吞吐量。
移動(dòng)計(jì)算而非移動(dòng)數(shù)據(jù):一個(gè)應(yīng)用的請求,如果離它操作的數(shù)據(jù)越近就會(huì)越高效,HDFS會(huì)把數(shù)據(jù)位置暴露給計(jì)算框架, 提供了將它們自己移動(dòng)到數(shù)據(jù)附近的接口。
異構(gòu)軟硬件平臺(tái)間的可移植性:平臺(tái)的可移植性,方便用戶也方便 HDFS 作為大規(guī)模數(shù)據(jù)應(yīng)用平臺(tái)的推廣。
二、HDFS 常用命令參數(shù)
-help | 輸出這個(gè)命令參數(shù)手冊 |
-ls | 顯示目錄信息 |
-mkdir | 在hdfs上創(chuàng)建目錄 |
-moveFromLocal | 從本地剪切粘貼到hdfs |
-moveToLocal | 從hdfs剪切粘貼到本地 |
--appendToFile | 追加一個(gè)文件到已經(jīng)存在的文件末尾 |
-cat | 顯示文件內(nèi)容 |
-tail | 顯示一個(gè)文件的末尾 |
-text | 以字符形式打印一個(gè)文件的內(nèi)容 |
-chgrp、-chmod、-chown | 同linux文件系統(tǒng)中的用法,對(duì)文件所屬權(quán)限 |
-copyFromLocal | 從本地文件系統(tǒng)中拷貝文件到hdfs路徑去 |
-copyToLocal | 從hdfs拷貝到本地 |
-cp | 從hdfs的一個(gè)路徑拷貝hdfs的另一個(gè)路徑 |
-mv | 在hdfs目錄中移動(dòng)文件 |
-get | 等同于copyToLocal,就是從hdfs下載文件到本地 |
-getmerge | 合并下載多個(gè)文件 |
-put | 等同于copyFromLocal |
-rm | 刪除文件或文件夾 |
-rmdir | 刪除空目錄 |
-df | 統(tǒng)計(jì)文件系統(tǒng)的可用空間信息 |
-du | 統(tǒng)計(jì)文件夾的大小信息 |
-count | 統(tǒng)計(jì)一個(gè)指定目錄下的文件節(jié)點(diǎn)數(shù)量 |
-setrep | 設(shè)置hdfs中文件的副本數(shù)量 |
三、HDFS工作機(jī)制
1. HDFS集群包括兩大角色:NameNode、DataNode
2. NameNode負(fù)責(zé)管理整個(gè)文件系統(tǒng)的元數(shù)據(jù)
3. DataNode 負(fù)責(zé)管理用戶的文件數(shù)據(jù)塊
4. 文件會(huì)按照固定的大小(blocksize)切分成若干塊后,分布式存儲(chǔ)于若干臺(tái)datanode上
5. 每一個(gè)文件塊能夠有多個(gè)副本,并存放在不同的datanode上
6. Datanode定期會(huì)向Namenode匯報(bào)自身保存的文件block信息,而namenode就會(huì)負(fù)責(zé)保持文件的副本數(shù)量
7. HDFS的內(nèi)部工作機(jī)制對(duì)客戶端保持透明,客戶端請求訪問HDFS都是以通過向namenode申請進(jìn)行的
HDFS文件寫入時(shí):首先要跟namenode通信以確認(rèn)可以寫文件并獲得接收文件block的datanode,然后,客戶端按順序?qū)⑽募饌€(gè)block傳遞給相應(yīng)datanode,并由接收到block的datanode負(fù)責(zé)向其他datanode復(fù)制block的副本
HDFS文件讀?。簩⒁x取的文件路徑發(fā)送給namenode,namenode獲取文件的元信息(主要是block的存放位置信息)返回給客戶端,客戶端根據(jù)返回的信息找到相應(yīng)datanode逐個(gè)獲取文件的block并在客戶端本地進(jìn)行數(shù)據(jù)追加合并從而獲得整個(gè)文件
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10