手把手教你HDFS基礎配置安裝及命令使用！

趙鈺瑩發表於2018-08-10

HDFS是基於Java的檔案系統，可在Hadoop生態系統中提供可擴充套件且可靠的資料儲存。因此，我們需要了解基本的HDFS配置和命令才能正常使用它。在使用之前，我們首先討論如何配置安裝HDFS。Hadoop以及HDFS都執行在java環境中，因此我們都需要安裝JDK： 

yum -y install jdk(或手動安裝）

設定namenode節點到datanode節點的免密登陸
1、本地免密登入 

# ssh localhost #檢測能否在本機上實現免密碼登陸
# ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa #建立登陸的公鑰和私鑰，公鑰放在id_dsa.pub中，私鑰放在id_dsa中

# cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys #將公鑰追加到已認證資訊中
# ssh localhost #實現免密碼登陸

2、跨主機免密登陸 

# scp ~/.ssh/id_dsa.pub root@node2:~/.ssh/ #在namenode上執行
# cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys #將公鑰追加到已認證資訊中，在datanode上執行該操作

3、對所有datanode執行上述操作

設定域名解析（在所有節點增加） 

# vi /etc/hosts # 增加節點對應節點，如果不加入節點則需要在配置檔案中寫節點IP
192.168.150.128 node1
192.168.150.129 node2
192.168.150.130 node3
192.168.150.131 node4

由於Hadoop有bin包，所以下載後只需解壓即可使用。如果我們使用的是版本hadoop-1.2.1，那就將軟體解壓到/root/hadoop-1.2.1資料夾中。

注意：namenode和datanode軟體包的放置位置要完全相同，否則在叢集啟動服務時會出現找不到檔案的情況。
配置 

#vi /root/hadoop-1.2.1/conf/core-site.xml
    <configuration>     <property>
       <name>fs.default.name</name> # namenode節點名
      <value>hdfs://node1:9000</value> #namenode域名（或IP）和埠
     </property>
     <property>
      <name>hadoop.tmp.dir</name> #檔案儲存目錄
       <value>/opt/hadoop-1.2</value> #fs的放置位置
     </property>
    </configuration>
    其它具體配置可以檢視./hadoop-1.2.1/docs的文件。
  #vi /root/hadoop-1.2.1/conf/hdfs-site.xml    <configuration>
     <name>dfs.replication</name> #block的副本數，不能超過datanode的數目
    <value>2</value>
    </configuration>
  #vi /root/hadoop-1.2.1/conf/slaves #該檔案設定datanode節點的域名（IP）
    node2
    node3
  #vi /root/hadoop-1.2.1/conf/masters #該檔案設定secondarynamenode節點的域名（IP）
    node2 # 只要跟namenode不在同一臺機器上即可    #vi /root/hadoop-1.2.1/conf/hadoop-env.sh #設定執行環境
    export JAVA_HOME=/usr/java/jdk1.7.0_79 # 只要設定jdk的目錄即可
  在所有的節點上進行上述的相同配置。

HDFS本地Golang客戶端實踐

基於上述基礎配置，我們也可以嘗試配置HDFS的本地golang客戶端，它使用協議緩衝區API直接連線namenode，使用stdlib os包並實現相應介面，包括os.FileInfo和os.PathError。

這是它在action中的狀態： 

client, _ := hdfs.New("namenode:8020")file, _ := client.Open("/mobydick.txt")buf := make([]byte, 59)
file.ReadAt(buf, 48847)
fmt.Println(string(buf))// => Abominable are the tumblers into which he pours his poison.

HDFS二進位制檔案

與庫類似，此repo包含HDFS命令列客戶端，主要目標是啟用unix動詞實現：  

$ hdfs --help
Usage: hdfs COMMAND
The flags available are a subset of the POSIX ones, but should behave similarly.
Valid commands:
  ls [-lah] [FILE]...
  rm [-rf] FILE...
  mv [-fT] SOURCE... DEST
  mkdir [-p] FILE...
  touch [-amc] FILE...
  chmod [-R] OCTAL-MODE FILE...
  chown [-R] OWNER[:GROUP] FILE...
  cat SOURCE...
  head [-n LINES | -c BYTES] SOURCE...
  tail [-n LINES | -c BYTES] SOURCE...
  du [-sh] FILE...
  checksum FILE...
  get SOURCE [DEST]
  getmerge SOURCE DEST
  put SOURCE DEST

由於它不必等待JVM啟動，所以hadoop -fs要快得多：  

$ time hadoop fs -ls / > /dev/null
real  0m2.218s
user  0m2.500s
sys 0m0.376s
$ time hdfs ls / > /dev/null
real  0m0.015s
user  0m0.004s
sys 0m0.004s

安裝命令列客戶端

從釋出頁面抓取tarball並將其解壓縮到任意位置。

要配置客戶端，請確保其中一個或兩個環境變數指向Hadoop配置（core-site.xml和hdfs-site.xml）。在安裝了Hadoop的系統上，應該已經設定過上述變數。  

$ export HADOOP_HOME="/etc/hadoop"
$ export HADOOP_CONF_DIR="/etc/hadoop/conf"

要在linux上完成選項卡安裝，請將tarball附帶的bash_completion檔案複製或連結到正確位置：  

$ ln -sT bash_completion /etc/bash_completion.d/gohdfs

預設情況下，在非kerberized叢集上，HDFS使用者可設定為當前登入使用者，也可以使用另一個環境變數覆蓋它： 

$ export HADOOP_USER_NAME=username

使用帶有Kerberos身份驗證的命令列客戶端

與hadoop fs一樣，命令列客戶端需要在預設位置使用ccache檔案：/ tmp / krb5cc_ <uid>。 這意味著它必須“正常工作”才能使用kinit：  

$ kinit bob@EXAMPLE.com
$ hdfs ls /

如果不起作用，請嘗試將KRB5CCNAME環境變數設定為儲存ccache的位置。

相容性

該庫使用HDFS協議的“Version 9”，這意味著它應該使用基於2.2.x及更高版本的Hadoop發行版，測試針對CDH 5.x和HDP 2.x執行。

檢查機器是否能與HDFS通訊

如果想檢查一臺機器是否可以與另一臺機器上執行的HDFS伺服器通訊，並從Hadoop wiki中修改一些程式碼，如下所示: 

package org.playground;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import java.io.IOException;
public class HadoopDFSFileReadWrite {
    static void printAndExit(String str) {
        System.err.println( str );
        System.exit(1);
    }
    public static void main (String[] argv) throws IOException {
        Configuration conf = new Configuration();
        conf.addResource(new Path("/Users/markneedham/Downloads/core-site.xml"));
        FileSystem fs = FileSystem.get(conf);
        Path inFile = new Path("hdfs://192.168.0.11/user/markneedham/explore.R");
        Path outFile = new Path("hdfs://192.168.0.11/user/markneedham/output-" + System.currentTimeMillis());
        // Check if input/output are valid
        if (!fs.exists(inFile))
            printAndExit("Input file not found");
        if (!fs.isFile(inFile))
            printAndExit("Input should be a file");
        if (fs.exists(outFile))
            printAndExit("Output already exists");
        // Read from and write to new file
        byte buffer[] = new byte[256];
        try ( FSDataInputStream in = fs.open( inFile ); FSDataOutputStream out = fs.create( outFile ) )
        {
            int bytesRead = 0;
            while ( (bytesRead = in.read( buffer )) > 0 )
            {
                out.write( buffer, 0, bytesRead );
            }
        }
        catch ( IOException e )
        {
            System.out.println( "Error while copying file" );
        }
    }
}

我最初以為POM檔案中只有以下內容: 

<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-common</artifactId>
    <version>2.7.0</version>
</dependency>

但執行指令碼時，我得到了以下結果: 

Exception in thread "main" java.lang.NoSuchMethodError: org.apache.hadoop.fs.FSOutputSummer.<init>(Ljava/util/zip/Checksum;II)V
at org.apache.hadoop.hdfs.DFSOutputStream.<init>(DFSOutputStream.java:1553)
at org.apache.hadoop.hdfs.DFSOutputStream.<init>(DFSOutputStream.java:1582)
at org.apache.hadoop.hdfs.DFSOutputStream.newStreamForCreate(DFSOutputStream.java:1614)
at org.apache.hadoop.hdfs.DFSClient.create(DFSClient.java:1465)
at org.apache.hadoop.hdfs.DFSClient.create(DFSClient.java:1390)
at org.apache.hadoop.hdfs.DistributedFileSystem$6.doCall(DistributedFileSystem.java:394)
at org.apache.hadoop.hdfs.DistributedFileSystem$6.doCall(DistributedFileSystem.java:390)
at org.apache.hadoop.fs.FileSystemLinkResolver.resolve(FileSystemLinkResolver.java:81)
at org.apache.hadoop.hdfs.DistributedFileSystem.create(DistributedFileSystem.java:390)
at org.apache.hadoop.hdfs.DistributedFileSystem.create(DistributedFileSystem.java:334)
at org.apache.hadoop.fs.FileSystem.create(FileSystem.java:909)
at org.apache.hadoop.fs.FileSystem.create(FileSystem.java:890)
at org.apache.hadoop.fs.FileSystem.create(FileSystem.java:787)
at org.apache.hadoop.fs.FileSystem.create(FileSystem.java:776)
at org.playground.HadoopDFSFileReadWrite.main(HadoopDFSFileReadWrite.java:37)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:497)
at com.intellij.rt.execution.application.AppMain.main(AppMain.java:140)

通過跟蹤堆疊跟蹤，我意識到犯了一個錯誤，即對hadoop-hdfs 2.4.1進行了依賴。如果沒有hadoop-hdfs依賴，我們會看到如下錯誤: 

Exception in thread "main" java.io.IOException: No FileSystem for scheme: hdfs
at org.apache.hadoop.fs.FileSystem.getFileSystemClass(FileSystem.java:2644)
at org.apache.hadoop.fs.FileSystem.createFileSystem(FileSystem.java:2651)
at org.apache.hadoop.fs.FileSystem.access$200(FileSystem.java:92)
at org.apache.hadoop.fs.FileSystem$Cache.getInternal(FileSystem.java:2687)
at org.apache.hadoop.fs.FileSystem$Cache.get(FileSystem.java:2669)
at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:371)
at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:170)
at org.playground.HadoopDFSFileReadWrite.main(HadoopDFSFileReadWrite.java:22)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:497)
at com.intellij.rt.execution.application.AppMain.main(AppMain.java:140)

現在，讓我們新增正確的依賴項版本，並確保可以按照預期工作: 

<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-hdfs</artifactId>
    <version>2.7.0</version>
    <exclusions>
        <exclusion>
            <groupId>ch.qos.logback</groupId>
            <artifactId>logback-classic</artifactId>
        </exclusion>
        <exclusion>
            <groupId>javax.servlet</groupId>
            <artifactId>servlet-api</artifactId>
        </exclusion>
    </exclusions>
</dependency>

執行時，它會在另一臺機器上用當前時間戳在HDFS中建立一個新檔案: 

$ date +%s000
1446336801000
 
$ hdfs dfs -ls
...
-rw-r--r--   3 markneedham supergroup       9249 2015-11-01 00:13 output-1446337098257
...

（該專案開源地址：https://github.com/colinmarc/hdfs）

基礎HDFS命令

完成安裝配置後，我們需要了解HDFS基礎命令，需要知道每個命令的詳細語法。一般語法如下： 

hadoop dfs [COMMAND [COMMAND_OPTIONS]]

這將在Hadoop（HDFS）支援的檔案系統上執行filesystem命令，其餘Command選項如下所示：

1、put命令

'put'命令將資料輸入HDFS。

 語法：hadoop dfs -put </ source path> </ destination path>

2、List命令

'list'命令顯示特定路徑中的所有可用檔案。

語法：hadoop dfs -ls </ source path>

3、Get命令

'get'命令將上述檔案的全部內容複製到本地驅動器。

語法：hadoop dfs -get </ source path> </ destination path>

4、Make Directory命令

'mkdir'命令在指定位置建立一個新目錄。

語法：hadoop dfs -mkdir </ source path>

5、檢視特定檔案的內容

'cat'命令用於顯示檔案的所有內容。

 語法：hadoop dfs -cat </ path [filename]>

6、複製HDFS內的完整檔案

'copyfromlocal'命令將檔案從本地檔案系統複製到HDFS。

 語法：hadoop dfs -copyFromLocal </ source path> </ destination path>

7、將檔案從HDFS複製到本地檔案系統。

'copytolocal'命令將檔案從HDFS複製到本地檔案系統。

 語法：hadoop dfs -copyToLocal </ source path> </ destination path>

8、刪除檔案

命令'rm'將刪除儲存在HDFS中的檔案。

語法：hadoop dfs -rm </ path [filename]>

9、執行DFS檔案系統以檢查實用程式

命令'fsck'用於檢查檔案系統的一致性

語法：hadoop fsck </ file path>

10、叢集負載均衡程式

'balancer'命令將檢查叢集中節點的工作負載並進行平衡。

語法：hadoop balancer

11、檢查HDFS中的目錄空間

該命令將顯示叢集內檔案佔用的大小。

語法：hadoop dfs -du -s -h </ file path>

12、列出所有Hadoop檔案系統Shell命令

'fs'命令列出了Hadoop檔案系統的所有shell命令。

語法：hadoop fs [options] 

[hadoop@acadgild ~]$ hadoop fs
Usage: hadoop fs [generic options]
      [-appendToFile <localsrc> ... <dst>]
      [-cat [-ignoreCrc] <src> ...]
      [-checksum <src> ...]
      [-chgrp [-R] GROUP PATH...]
      [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
      [-chown [-R] [OWNER][:[GROUP]] PATH...]
      [-copyFromLocal [-f] [-p] [-l] <localsrc> ... <dst>]
      [-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
      [-count [-q] [-h] <path> ...]
      [-cp [-f] [-p | -p[topax]] <src> ... <dst>]
      [-createSnapshot <snapshotDir> [<snapshotName>]]
      [-deleteSnapshot <snapshotDir> <snapshotName>]
      [-df [-h] [<path> ...]]
      [-du [-s] [-h] <path> ...]
      [-expunge]
      [-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
      [-getfacl [-R] <path>]
      [-getfattr [-R] {-n name | -d} [-e en] <path>]
      [-getmerge [-nl] <src> <localdst>]
      [-help [cmd ...]]
      [-ls [-d] [-h] [-R] [<path> ...]]
      [-mkdir [-p] <path> ...]
      [-moveFromLocal <localsrc> ... <dst>]
      [-moveToLocal <src> <localdst>]
      [-mv <src> ... <dst>]
      [-put [-f] [-p] [-l] <localsrc> ... <dst>]
      [-renameSnapshot <snapshotDir> <oldName> <newName>]
      [-rm [-f] [-r|-R] [-skipTrash] <src> ...]
      [-rmdir [--ignore-fail-on-non-empty] <dir> ...]
      [-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
      [-setfattr {-n name [-v value] | -x name} <path>]
      [-setrep [-R] [-w] <rep> <path> ...]
      [-stat [format] <path> ...]
      [-tail [-f] <file>]
      [-test -[defsz] <path>]
      [-text [-ignoreCrc] <src> ...]
      [-touchz <path> ...]
      [-usage [cmd ...]]
Generic options supported are
-conf <configuration file>     specify an application configuration file
-D <property=value>           use value for given property
-fs <local|namenode:port>     specify a namenode
-jt <local|resourcemanager:port>   specify a ResourceManager
-files <comma separated list of files>   specify comma separated files to be copied to the map reduce cluster
-libjars <comma separated list of jars>   specify comma separated jar files to include in the classpath.
-archives <comma separated list of archives>   specify comma separated archives to be unarchived on the compute machines.
The general command line syntax is
bin/hadoop command [genericOptions] [commandOptions]
[hadoop@acadgild ~]$

結論

在Hadoop和HDFS的實際配置中，我們可能會遇到很多問題，好在其龐大的社群支援讓我們可以很輕鬆得找到各類解決方案，如果你對HDFS的概念並不熟悉，你也可以考慮閱讀本系列的第一篇文章：《掃盲：Hadoop分散式檔案系統（HDFS）基礎概念講解！》（連結：http://blog.itpub.net/31077337/viewspace-2199558/）

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/31077337/viewspace-2199793/，如需轉載，請註明出處，否則將追究法律責任。

相關文章