1 HDFS架构组成

生产环境下，使用NameNode的高可用集群来防止NameNode掉线。

2 控制台命令

上传

-help：输出这个命令参数
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -help rm
-moveFromLocal：从本地剪切粘贴到 HDFS
hadoop fs -moveFromLocal ./shuguo.txt /sanguo
-copyFromLocal：从本地文件系统中拷贝文件到 HDFS 路径去
-put：等同于 copyFromLocal，生产环境更习惯用 put
-appendToFile：追加一个文件到已经存在的文件末尾

下载

-copyToLocal：从 HDFS 拷贝到本地
-get：等同于 copyToLocal，生产环境更习惯用 get

直接操作

 -ls: 显示目录信息
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop fs -ls /sanguo
-chgrp、 -chmod、 -chown： Linux 文件系统中的用法一样，修改文件所属权限
-mkdir：创建路径
-cp：从 HDFS 的一个路径拷贝到 HDFS 的另一个路径
-mv：在 HDFS 目录中移动文件
 -tail：显示一个文件的末尾 1kb 的数据
-rm：删除文件或文件夹
-rm -r： 递归删除目录及目录里面内容
-du 统计文件夹的大小信息
-setrep：设置 HDFS 中文件的副本数量
hadoop fs -setrep 10 /jinguo/shuguo.txt
这里设置的副本数只是记录在 NameNode 的元数据中，是否真的会有这么多副本，还得
看 DataNode 的数量。因为目前只有 3 台设备，最多也就 3 个副本，只有节点数的增加到 10
台时， 副本数才能达到 10。

3 API操作

准备

windows系统要准备依赖，并配置环境变量
新建maven项目
导入依赖
连上hadoop就行
4 HDFS读写流程

（1）客户端通过 Distributed FileSystem 模块向 NameNode 请求上传文件， NameNode 检查目标文件是否已存在，父目录是否存在。
（2） NameNode 返回是否可以上传。
（3）客户端请求第一个 Block 上传到哪几个 DataNode 服务器上。
（4） NameNode 返回 3 个 DataNode 节点，分别为 dn1、 dn2、 dn3。
（5）客户端通过 FSDataOutputStream 模块请求 dn1 上传数据， dn1 收到请求会继续调用dn2，然后 dn2 调用 dn3，将这个通信管道建立完成。
（6） dn1、 dn2、 dn3 逐级应答客户端。
（7）客户端开始往 dn1 上传第一个 Block（先从磁盘读取数据放到一个本地内存缓存），以 Packet 为单位， dn1 收到一个 Packet 就会传给 dn2， dn2 传给 dn3； dn1 每传一个 packet会放入一个应答队列等待应答。
（8）当一个 Block 传输完成之后，客户端再次请求 NameNode 上传第二个 Block 的服务器。（重复执行 3-7 步）。

（1）客户端通过 DistributedFileSystem 向 NameNode 请求下载文件， NameNode 通过查询元数据，找到文件块所在的 DataNode 地址。
（2）挑选一台 DataNode（就近原则，然后随机）服务器，请求读取数据。
（3） DataNode 开始传输数据给客户端（从磁盘里面读取数据输入流，以 Packet 为单位来做校验）。
（4）客户端以 Packet 为单位接收，先在本地缓存，然后写入目标文件。

5 节点距离感知

在 HDFS 写数据的过程中， NameNode 会选择距离待上传数据最近距离的 DataNode 接
收数据。那么这个最近距离怎么计算呢？
节点距离：两个节点到达最近的共同祖先的距离总和。

例如，假设有数据中心 d1 机架 r1 中的节点 n1。该节点可以表示为/d1/r1/n1。利用这种
标记，这里给出四种距离描述。

6 副本节点选择

7 其他节点的工作机制

见资料

大数据学习

02-Hadoop-HDFS