HDFS详细介绍

HDFS是什么

 HDFS是Hadoop三大组件(HDFS、MapReduce、YARN)之一 全称是：Hadoop Distributed File System（Hadoop分布式文件系统）；是Hadoop技术栈内提供的分布式数据存储解决方案 可以在多台服务器上构建存储集群，存储海量的数据。

了解为什么海量数据需要使用分布式存储技术

答：1、太大，单台服务器无法承担。

        2、靠数量取胜 多台服务器组合，才能Hold住。

        3、分布式不仅仅是解决了能存的问题， 多台服务器协同工作 带来的也是性能的横向扩展。（网络传输、磁盘读写、CPU、内存等各方面的综合提升）——分布式的性能提升。

        

 HDFS的基础架构

 

 

 一个典型的HDFS集群，就是由1个DataNode加若干（至少一个）DataNode组成。 

 

 HDFS各个组件介绍

 NameNode：

HDFS系统的主角色，是一个独立的进程 负责管理HDFS整个文件系统 负责管理DataNode。

 SecondaryNameNode：

NameNode的辅助，是一个独立进程 主要帮助NameNode完成元数据整理工作（打杂）。

 DataNode：

HDFS系统的从角色，是一个独立进程 主要负责数据的存储，即存入数据和取出数据。

HDFS集群环境部署

注意：请完成集群前置准备工作：

配置多台虚拟机：http://t.csdnimg.cn/hGqMzhttp://t.csdnimg.cn/hGqMz
ip固定http://t.csdnimg.cn/4IqRchttp://t.csdnimg.cn/4IqRc
主机映射:http://t.csdnimg.cn/1C15xhttp://t.csdnimg.cn/1C15x
ssh免密登录（以root用户为例，其他用户创建后一样）：http://t.csdnimg.cn/dEITyhttp://t.csdnimg.cn/dEITy
Jdk:http://t.csdnimg.cn/zKRC7http://t.csdnimg.cn/zKRC7
关闭防火墙以及SELinux关闭:http://t.csdnimg.cn/K19d7http://t.csdnimg.cn/K19d7

为了系统的安全和稳定，建议使用自建的用户来管理大数据相关的软件，这里使用hadoop用户为HDFS最高权限用户。

下载

官方网址：https://hadoop.apache.org，课程使用当前最新的发行版：3.3.4版。

 上传 & 解压(我的Hadoop版本为3.3.4)

注意标红位置，改写为自己想放的路径，我的软件通常都放在/export/server！！！！！！！！！

 1. 上传Hadoop安装包到node1节点中。

自己选择弄

2. 解压缩安装包到/export/server/中

tar -zxvf hadoop-3.3.4.tar.gz  -C /export/server

3. 构建软链接

ln -s /export/server/hadoop-3.3.4 hadoop

4. 进入hadoop安装包内

cd hadoop

5. 各个文件夹含义如下 

bin，存放Hadoop的各类程序（命令）

etc，存放Hadoop的配置文件 include，C语言的一些头文件

ib，存放Linux系统的动态链接库（.so文件）

libexec，存放配置Hadoop系统的脚本文件（.sh和.cmd）

licenses-binary，存放许可证文件 sbin，管理员程序（super bin）

share，存放二进制源码（Java jar包） 

 修改配置文件，应用自定义设置

1.  配置HDFS集群，我们主要涉及到如下文件的修改：

workers：        配置从节点（DataNode）有哪些

hadoop-env.sh：        配置Hadoop的相关环境变量

core-site.xml：        Hadoop核心配置文件

hdfs-site.xml：        HDFS核心配置文件

这些文件均存在与$HADOOP_HOME/etc/hadoop文件夹中。

2.  配置workers文件

进入配置文件目录

cd etc/hadoop

编辑workers文件

vim workers

填入如下内容

node1

node2

node3

 表明集群记录了三个从节点（DataNode）

3. 配置hadoop-env.sh文件

export JAVA_HOME=/export/server/jdk

export HADOOP_HOME=/export/server/hadoop

export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop

export HADOOP_LOG_DIR=$HADOOP_HOME/logs

变量解释： 

JAVA_HOME，指明JDK环境的位置在哪

HADOOP_HOME，指明Hadoop安装位置

HADOOP_CONF_DIR，指明Hadoop配置文件目录位置

HADOOP_LOG_DIR，指明Hadoop运行日志目录位置

通过记录这些环境变量， 来指明上述运行时的重要信息 

 4.配置core-site.xml文件

 在文件内部填入如下内容

<configuration>  

        <property>    

                <name>fs.defaultFS</name>    

                <value>hdfs://node1:8020</value>  

        </property>  

        <property>    

                <name>io.file.buffer.size</name>    

                <value>131072</value>  

        </property>

</configuration>

 name：fs.defaultFS

含义：HDFS文件系统的网络通讯路径

value：hdfs://node1:8020

协议为hdfs://

namenode为node1

namenode通讯端口为8020

name：io.file.buffer.size

含义：io操作文件缓冲区大小

value：131072 bit

hdfs://node1:8020为整个HDFS内部的通讯地址，应用协议为hdfs://（Hadoop内置协议） 表明DataNode将和node1的8020端口通讯，node1是NameNode所在机器 此配置固定了node1必须启动NameNode进程

 5. 配置hdfs-site.xml文件

在文件内部填入如下内容

<configuration>  

        <property>    

                <name>dfs.datanode.data.dir.perm</name>    

                <value>700</value>  

        </property>  

        <property>    

                <name>dfs.namenode.name.dir</name>    

                <value>/data/nn</value>  

        </property>  

        <property>    

                <name>dfs.namenode.hosts</name>    

                <value>node1,node2,node3</value>  

        </property>

        <property>    

                <name>dfs.blocksize</name>    

                <value>268435456</value>  

        </property>  

        <property>    

                <name>dfs.namenode.handler.count</name>    

                <value>100</value>  

        </property>  

        <property>    

                <name>dfs.datanode.data.dir</name>    

                <value>/data/dn</value>  

        </property>

</configuration>

 解释

根据

namenode数据存放node1的/data/nn

datanode数据存放node1、node2、node3的/data/dn

所以应该 在node1节点：

mkdir -p /data/nn

mkdir /data/dn

在node2和node3节点：

mkdir -p /data/dn

 从node1将hadoop安装文件夹远程复制到node2、node3

 分发

 node1执行如下命令

cd /export/server

scp -r hadoop-3.3.4 node2:`pwd`/

scp -r hadoop-3.3.4 node3:`pwd`/

 在node2执行，为hadoop配置软链接

ln -s /export/server/hadoop-3.3.4 /export/server/hadoop

 在node3执行，为hadoop配置软链接

 ln -s /export/server/hadoop-3.3.4 /export/server/hadoop

 配置系统的环境变量

所有机器

vim /etc/profile

export HADOOP_HOME=/export/server/hadoop

export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

 授权为hadoop用户

 hadoop部署的准备工作基本完成

为了确保安全，hadoop系统不以root用户启动，我们以普通用户hadoop来启动整个Hadoop服务 所以，现在需要对文件权限进行授权。

 注意：请确保已经提前创建好了hadoop用户，并配置好了hadoop用户之间的免密登录！！！！

以root身份，在node1、node2、node3（所有机器）三台服务器上均执行如下命令 

chown -R hadoop:hadoop /data

chown -R hadoop:hadoop /export

 格式化整个文件系统

格式化namenode

 确保以hadoop用户执行（否则会出问题，能解决，但请自行寻找解决办法）

su - hadoop

格式化namenode

hadoop namenode -format

 启动

 # 一键启动hdfs集群

start-dfs.sh

# 一键关闭hdfs集群

stop-dfs.sh

# 如果遇到命令未找到的错误，表明环境变量未配置好，可以以绝对路径执行 /export/server/hadoop/sbin/start-dfs.sh

/export/server/hadoop/sbin/stop-dfs.sh

 查看HDFS WEBUI

 启动完成后，可以在浏览器打开： http://node1:9870，即可查看到hdfs文件系统的管理网页。

注意：没有配置windows系统的主机映射，将node1改为主机node1的ip！！！！！！！！

 ip固定http://t.csdnimg.cn/4IqRchttp://t.csdnimg.cn/4IqRc

 

在Windows挂载HDFS文件系统

NFShttp://t.csdnimg.cn/hq3CU

 配置hadoop组件yarn：http://t.csdnimg.cn/ZiHLe