京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
CDA数据分析师 出品 作者:李诗怡 多表进阶与 DDL/DML 连接 · 子查询 · 合并 · 建表与书写规范 ” 三、DQL 多表进阶:连 ...
2026-11-20 前面讲了怎么搭指标体系,但很多团队卡在最后一步:高层定了一个漂亮的目标,往下一层层写进周报,最后却落不到任何人的具体 ...
2026-11-20 很多团队做数据分析的现状是:老板要一个数就拉一个数,周报里堆满了 GMV、DAU、转化率,却没人说得清这些数之间是什么关系 ...
2026-11-20这周你大概又经历过一次:报表自己跑了,SQL 让 AI 写了,连周报初稿都不用自己动手。你一边松口气,一边心里发慌——那我还剩什 ...
2026-11-20 做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12