
HDFS 全称为Hadoop Distributed File System,是 hadoop 分布式文件系统,具体来说,是指被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统(Distributed File System)。最主要的作用是作为 Hadoop 生态中各系统的存储服务。HDFS是Hadoop项目的核心子项目,为分布式计算中,数据存储管理的基础,HDFS是基于流数据模式访问和处理超大文件的需求被开发出来的,能够在廉价的商用服务器上运行。HDFS 具有高容错性、高可靠性、高可扩展性、高获得性、高吞吐率等特征,这些特征使得HDFS为海量数据提供了不怕故障的存储,从而为超大数据集(Large Data Set)的应用处理带来了很多便利。
高度容错性:HDFS 最核心的架构目标是,错误检测和快速、自动的恢复 。数据会自动保存多个副本。它通过增加副本的形式,而且就算某一副本丢失,HDFS也能自动恢复。
支持大规模数据集: HDFS 应用具有很大的数据集,可以支持整体上高的数据传输带宽,并且能够支撑数以千万集的文件。
支持流式读取数据: 一次写入,多次读取。而且文件一旦写入,就不能进行修改,只能追加。这样很好的保证了数据的一致性。
高吞吐量:吞吐量是指单位时间内完成的工作量。HDFS通过并行处理数据,从而大大减少了处理时间,实现了高吞吐量。
移动计算而非移动数据:一个应用的请求,如果离它操作的数据越近就会越高效,HDFS会把数据位置暴露给计算框架, 提供了将它们自己移动到数据附近的接口。
异构软硬件平台间的可移植性:平台的可移植性,方便用户也方便 HDFS 作为大规模数据应用平台的推广。
二、HDFS 常用命令参数
-help | 输出这个命令参数手册 |
-ls | 显示目录信息 |
-mkdir | 在hdfs上创建目录 |
-moveFromLocal | 从本地剪切粘贴到hdfs |
-moveToLocal | 从hdfs剪切粘贴到本地 |
--appendToFile | 追加一个文件到已经存在的文件末尾 |
-cat | 显示文件内容 |
-tail | 显示一个文件的末尾 |
-text | 以字符形式打印一个文件的内容 |
-chgrp、-chmod、-chown | 同linux文件系统中的用法,对文件所属权限 |
-copyFromLocal | 从本地文件系统中拷贝文件到hdfs路径去 |
-copyToLocal | 从hdfs拷贝到本地 |
-cp | 从hdfs的一个路径拷贝hdfs的另一个路径 |
-mv | 在hdfs目录中移动文件 |
-get | 等同于copyToLocal,就是从hdfs下载文件到本地 |
-getmerge | 合并下载多个文件 |
-put | 等同于copyFromLocal |
-rm | 删除文件或文件夹 |
-rmdir | 删除空目录 |
-df | 统计文件系统的可用空间信息 |
-du | 统计文件夹的大小信息 |
-count | 统计一个指定目录下的文件节点数量 |
-setrep | 设置hdfs中文件的副本数量 |
三、HDFS工作机制
1. HDFS集群包括两大角色:NameNode、DataNode
2. NameNode负责管理整个文件系统的元数据
3. DataNode 负责管理用户的文件数据块
4. 文件会按照固定的大小(blocksize)切分成若干块后,分布式存储于若干台datanode上
5. 每一个文件块能够有多个副本,并存放在不同的datanode上
6. Datanode定期会向Namenode汇报自身保存的文件block信息,而namenode就会负责保持文件的副本数量
7. HDFS的内部工作机制对客户端保持透明,客户端请求访问HDFS都是以通过向namenode申请进行的
HDFS文件写入时:首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode,然后,客户端按顺序将文件逐个block传递给相应datanode,并由接收到block的datanode负责向其他datanode复制block的副本
HDFS文件读取:将要读取的文件路径发送给namenode,namenode获取文件的元信息(主要是block的存放位置信息)返回给客户端,客户端根据返回的信息找到相应datanode逐个获取文件的block并在客户端本地进行数据追加合并从而获得整个文件
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08LSTM 输出不确定的成因、影响与应对策略 长短期记忆网络(LSTM)作为循环神经网络(RNN)的一种变体,凭借独特的门控机制,在 ...
2025-07-07统计学方法在市场调研数据中的深度应用 市场调研是企业洞察市场动态、了解消费者需求的重要途径,而统计学方法则是市场调研数 ...
2025-07-07CDA数据分析师证书考试全攻略 在数字化浪潮席卷全球的当下,数据已成为企业决策、行业发展的核心驱动力,数据分析师也因此成为 ...
2025-07-07剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02