在学习HDFS之前我们首先了解一下什么是hadoop？
hadoop中有3个核心组件：
分布式文件系统：HDFS
分布式运算编程框架：MAPREDUCE —— 实现在很多机器上分布式并行运算
分布式资源调度平台：YARN —— 帮用户调度大量的mapreduce程序，并合理分配运算资源
hdfs整体运行机制：
hdfs：
分布式文件系统
hdfs有着文件系统共同的特征：
有目录结构，顶层目录是： /
系统中存放的就是文件
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：
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
hdfs集群组成结构：
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
（博主使用的是Vmware安装一台Centos然后克隆3台后，再进行修改 IP 网卡 主机名 hosts对应域名）
先来了解一下虚拟机的网络机制：
再了解一下HDFS的整体工作机制：
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：192.168.33.61
主机名：hdp-02 对应的ip地址：192.168.33.62
主机名：hdp-03 对应的ip地址：192.168.33.63
主机名：hdp-04 对应的ip地址：192.168.33.64
修改IP:
vi /etc/sysconfig/network-scripts/ifcfg-en33
看到的上述图片已经修改过的，特别注意点：
ONBOOT 要改成yes
BOOTPROTO要改成static
IPADDR GATEWAP NETMASK 要根据实际情况进行更改
DNS1和网关地址一样即可
修改主机名：
vi /etc/hostname
修改hosts文件对应的主机名ip映射
vi /etc/sysconfig/hosts
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
192.168.33.61 hdp-01 192.168.33.62 hdp-02 192.168.33.63 hdp-03 192.168.33.64 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
防火墙
关闭防火墙：service iptables stop
关闭防火墙自启： chkconfig iptables off
若上述方法不能使用则：
这是因为CentOS7版本后防火墙默认使用firewalld，因此在CentOS7中关闭防火墙使用以下命令，
//临时关闭
systemctl stop firewalld
//禁止开机启动
systemctl disable firewalld
Removed symlink /etc/systemd/system/multi-user.target.wants/firewalld.service.
Removed symlink /etc/systemd/system/dbus-org.fedoraproject.FirewallD1.service.开始安装软件的准备工作：
（1）安装jdk：（hadoop体系中的各软件都是java开发的）
- 利用alt+p 打开sftp窗口，然后将jdk压缩包拖入sftp窗口
- 然后在linux中将jdk压缩包解压到/bigdata(自己创建)下
- 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
- 修改完成后，记得 source /etc/profile使配置生效
- 检验：在任意目录下输入命令： java -version 看是否成功执行
- 将安装好的jdk目录用scp命令拷贝到其他机器
- 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
集群内主机的域名映射配置
在hdp-01上，vi /etc/hosts
127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4 ::1 localhost localhost.localdomain localhost6 localhost6.localdomain6 192.168.33.61 hdp-01 192.168.33.62 hdp-02 192.168.33.63 hdp-03 192.168.33.64 hdp-04 |
然后，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/
（SCP远程命令的使用 SCP 【-r】 当前目录或文件 目标地址或域名：目标文件夹下）
补充 提示: | 如果在执行scp命令的时候，提示没有scp命令，则可以配置一个本地yum源来安装
|
五、安装hdfs集群
上传hadoop安装包到hdp-01
- 修改配置文件
要点提示 | 核心配置参数：
|
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://hdp-01:9000</value>
</property>
</configuration>3) 修改hdfs-site.xml
<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>/root/hdpdata/name/</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/root/hdpdata/data</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hdp-02:50090</value>
</property>
</configuration>
4) 拷贝整个hadoop安装目录到其他机器
scp -r /bigdata/hadoop-2.8.1 hdp-02:/bigdata/
scp -r /bigdata/hadoop-2.8.1 hdp-03:/bigdata/
scp -r /bigdata/hadoop-2.8.1 hdp-04:/bigdata/5) 启动HDFS
所谓的启动HDFS，就是在对的机器上启动对的软件
要点 提示： | 要运行hadoop的命令，需要在linux环境中配置HADOOP_HOME和PATH环境变量 vi /etc/profile
|
export JAVA_HOME=/root/apps/jdk1.8.0_60 export HADOOP_HOME=/root/apps/hadoop-2.8.1 export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin |
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
- 先配置hdp-01到集群中所有机器（包含自己）的免密登陆 (详细步骤查看)
- 配完免密后，可以执行一次 ssh 0.0.0.0（进行第二个datanode的设置）
- 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
在hdp-01上用脚本：start-dfs.sh 来自动启动整个集群
如果要停止，则用脚本：stop-dfs.sh
hdfs的客户端操作：
客户端的理解
hdfs的客户端有多种形式：
- 网页形式
- 命令行形式
- 客户端在哪里运行，没有约束，只要运行客户端的机器能够跟hdfs集群联网
文件的切块大小和存储的副本数量，都是由客户端决定！
所谓的由客户端决定，是通过配置参数来定的
hdfs的客户端会读以下两个参数，来决定切块大小、副本数量：
切块大小的参数： dfs.blocksize
副本数量的参数： dfs.replication
上面两个参数应该配置在客户端机器的hadoop目录中的hdfs-site.xml中配置
<property>
<name>dfs.blocksize</name>
<value>64m</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>hdfs客户端的常用操作命令
上传文件到hdfs中
hadoop fs -put /本地文件 /aaa
下载文件到客户端本地磁盘
hadoop fs -get /hdfs中的路径 /本地磁盘目录
在hdfs中创建文件夹
hadoop fs -mkdir -p /aaa/xxx
移动hdfs中的文件（更名）
hadoop fs -mv /hdfs的路径1 /hdfs的另一个路径2
复制hdfs中的文件到hdfs的另一个目录
hadoop fs -cp /hdfs路径_1 /hdfs路径_2
删除hdfs中的文件或文件夹
hadoop fs -rm -r /aaa
查看hdfs中的文本文件内容
hadoop fs -cat /demo.txt
hadoop fs -tail -f /demo.txt
