大数据开发-Hadoop之HDFS高级应用

小明 2025-04-29 00:33:13 6

文章目录

    • HDFS回收站
    • HDFS的安全模式
    • 定时上传数据至HDFS
    • HDFS的高可用和高扩展
    • HDFS写���据过程源码剖析

      HDFS回收站

      • HDFS会为每个用户创建一个回收站目录:/user/用户名/.Trash/
      • 回收站中的数据都会有一个默认的保存周期，过期未恢复则会被HDFS自动彻底删除
      • 默认情况下HDFS回收站功能是不开启的，需要修改core-site.xml中的fs.trash.interval属性 
        # 停止所有服务
[root@hadoop01 hadoop-3.2.0]# sbin/stop-all.sh
Stopping namenodes on [hadoop01]
Last login: Tue Mar  5 14:00:05 CST 2024 on pts/0
Stopping datanodes
Stopping secondary namenodes [hadoop01]
Last login: Tue Mar  5 16:07:06 CST 2024 on pts/0
Stopping nodemanagers
Last login: Tue Mar  5 16:07:10 CST 2024 on pts/0
Stopping resourcemanager
Last login: Tue Mar  5 16:07:14 CST 2024 on pts/0
You have new mail in /var/spool/mail/root
[root@hadoop01 hadoop-3.2.0]# jps
8875 Jps
# 修改core-site.xml
[root@hadoop01 hadoop-3.2.0]# vim etc/hadoop/core-site.xml 
        
　　　　        fs.trash.interval
　　　　        
　　　　        1440
　　    
# 同步到其它两台从节点
[root@hadoop01 hadoop-3.2.0]# scp -rq etc/hadoop/core-site.xml hadoop03:/home/soft/hadoop-3.2.0/etc/hadoop/ 
[root@hadoop01 hadoop-3.2.0]# [root@hadoop01 hadoop-3.2.0]# scp -rq etc/hadoop/core-site.xml hadoop02:/home/soft/hadoop-3.2.0/etc/hadoop/ 
# 重启
[root@hadoop01 hadoop-3.2.0]# sbin/start-all.sh
Starting namenodes on [hadoop01]
Last login: Tue Mar  5 16:07:17 CST 2024 on pts/0
Starting datanodes
Last login: Tue Mar  5 16:14:28 CST 2024 on pts/0
Starting secondary namenodes [hadoop01]
Last login: Tue Mar  5 16:14:31 CST 2024 on pts/0
Starting resourcemanager
Last login: Tue Mar  5 16:14:36 CST 2024 on pts/0
Starting nodemanagers
Last login: Tue Mar  5 16:14:43 CST 2024 on pts/0
# 查看进程
[root@hadoop01 hadoop-3.2.0]# jps
9393 SecondaryNameNode
9636 ResourceManager
9958 Jps
9128 NameNode
You have new mail in /var/spool/mail/root
# 查看文件
[root@hadoop01 hadoop-3.2.0]# hdfs dfs -ls /
Found 3 items
-rw-r--r--   2 root    supergroup      22125 2024-03-05 12:59 /NOTICE.txt
-rw-r--r--   2 root    supergroup       1361 2024-03-05 13:00 /README.txt
-rw-r--r--   3 1111612 supergroup       7877 2024-03-05 14:01 /test.md
# 删除文件  提示信息：将README文件移动到了root/.Trash/Current/
[root@hadoop01 hadoop-3.2.0]# hdfs dfs -rm /README.txt
2024-03-05 16:15:44,889 INFO fs.TrashPolicyDefault: Moved: 'hdfs://hadoop01:9000/README.txt' to trash at: hdfs://hadoop01:9000/user/root/.Trash/Current/README.txt
# 如果文件过大超出回收站的容量，可以用下面的命令解决，跳过回收站直接永久性删除
[root@hadoop01 hadoop-3.2.0]# hdfs dfs -rm -skipTrash /test.md
Deleted /test.md

        HDFS的安全模式

        • 集群在刚启动的时候HDFS进入安全模式，此时无法执行写操作
        • 查看安全模式：hdfs dfsadmin -safemode get
        • 离开安全模式：hdfs dfsadmin -safemode leave 
          查看安全模式
[root@hadoop01 hadoop-3.2.0]# hdfs dfsadmin -safemode get
Safe mode is OFF

          定时上传数据至HDFS

          1. 获取日志文件的名称
          2. 在HDFS上面使用日期创建目录
          3. 将日志文件上传到创建的HDFS目录中
          4. 考虑脚本重跑补数据的情况
          5. 配置crontab任务

          上传脚本

          #!/bin/bash
# 获取昨天的日期
yestoday=
if [ "$yestoday" = "" ]
then
	yestoday=`date +%Y_%m_%d --date="1 days ago"`
fi
# 拼接日志文件路径信息
logPath=/home/log/access_${yestoday}.log
hdfsPath=/log/${yestoday//_/}
#在HDFS上面创建目录
hdfs dfs -mkdir -p ${hdfsPath}
#数据上传
hdfs dfs -put ${logPath} ${hdfsPath}

          执行脚本

          # 执行脚本跑昨天的数据
[root@hadoop01 shell]# sh -x uploadLogData.sh 
+ yestoday=
+ '[' '' = '' ']'
++ date +%Y_%m_%d '--date=1 days ago'
+ yestoday=2024_03_05
+ logPath=/home/log/access_2024_03_05.log
+ hdfsPath=/log/20240305
+ hdfs dfs -mkdir -p /log/20240305
+ hdfs dfs -put /home/log/access_2024_03_05.log /log/20240305
# 执行脚本跑指定日期的数据
[root@hadoop01 shell]# sh -x uploadLogData.sh 2024_01_05
+ yestoday=2024_01_05
+ '[' 2024_01_05 = '' ']'
+ logPath=/home/log/access_2024_01_05.log
+ hdfsPath=/log/20240105
+ hdfs dfs -mkdir -p /log/20240105
+ hdfs dfs -put /home/log/access_2024_01_05.log /log/20240105
查看
[root@hadoop01 shell]# hdfs dfs -ls /log/20240305
Found 1 items
-rw-r--r--   2 root supergroup         21 2024-03-06 09:40 /log/20240305/access_2024_03_05.log
[root@hadoop01 shell]# hdfs dfs -ls /log/20240105
Found 1 items
-rw-r--r--   2 root supergroup         21 2024-03-06 09:45 /log/20240105/access_2024_01_05.log

          配置crontab任务

          # 定时上传数据 上传日志放在uploadData.log里面
[root@hadoop01 shell]# vim /etc/crontab 
0 1 * * * root sh /home/shell/uploadLogData.sh >> /home/shell/uploadData.log

          HDFS的高可用和高扩展

          针对我们目前这个一主两从的集群，前面做过分析

          • 高可用(HA)：NameNode主要负责接收用户的操作请求，所有的读写请求都会经过它，存在单点故障，对于这个情况而言需要部署多节点NameNode，但是只有一个NameNode是Active状态，其它的是StandBy状态；ActiveNameNode负责所有的客户端操作，StandByNameNode用来同步Ann的状态消息，以提供快速故障恢复能力；启动HA的时候不能启动SecondaryNameNode。

            • 高扩展：HDFS适合存储大文件，原因在于NameNode存储的文件的索引(元数据信息)，文件实际存储在DataNode上，所以不管是大文件还是小文件，在NameNode上所在的索引内存是一定的；如果NameNode内存不够用，官方提供了Federation机制

              HDFS写数据过程源码剖析

              RPC原理分析

              • 一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议
              • 采用client/server模式，请求程序就是一个client，服务提供的程序就是一个server
              • Hadoop的整个体系结构就是构建在RPC之上的，客户端和NameNode通信、DataNode和NameNode之间的通信都是通过RPC协议来实现

                这个调用过程是跨主机，跨进程的

                RPC接口分析

                • ClientProtocol：HDFS客户端(FileSystem)与NameNode通信的接口
                • DatanodeProtocal：DataNode和NameNode通信的接口，通过心跳机制，DataNode定时上报自己当前节点的状态信息
                • NamenodeProtocol：SecondaryNameNode与NameNode通信的接口，负责合并事务日志信息

                  案例分析

                  # server   
public static void main(String[] args) throws IOException {
        Configuration conf = new Configuration();
        // 创建RPC server构建器
        RPC.Builder builder = new RPC.Builder(conf);
        builder.setBindAddress("127.0.0.1")
                .setPort(8099)
                .setProtocol(MyProtocol.class)
                .setInstance(new MyProtocolImpl());
        RPC.Server server = builder.build();
        server.start();
        System.out.println("server started");
    }

                  # client    
public static void main(String[] args) throws IOException {
        InetSocketAddress addr = new InetSocketAddress("127.0.0.1", 8099);
        Configuration con = new Configuration();
        // 获取RPC代理
        MyProtocol proxy = RPC.getProxy(MyProtocol.class, MyProtocol.versionID, addr, con);
        String result = proxy.hello("this is my client");
        System.out.println("client result:" + result);
    }

                  /**
 * 自定义RPC接口
 */
public interface MyProtocol extends VersionedProtocol {
    long versionID = 123456;
    String hello(String name);
}

                  public class MyProtocolImpl implements MyProtocol {
    @Override
    public String hello(String name) {
        System.out.println("我被调用了...");
        return "hello" + name;
    }
    /**
     * 获取接口版本号
     * @param s
     * @param l
     * @return
     * @throws IOException
     */
    @Override
    public long getProtocolVersion(String s, long l) throws IOException {
        return versionID;
    }
    @Override
    public ProtocolSignature getProtocolSignature(String s, long l, int i) throws IOException {
        return new ProtocolSignature();
    }
}

                  IOException {

                  return versionID;

                  }

                  @Override
public ProtocolSignature getProtocolSignature(String s, long l, int i) throws IOException {
    return new ProtocolSignature();
}

                  }

                  ![image-20240306133230512](https://img-blog.csdnimg.cn/img_convert/4dea2d4c8a5b114d260eb999bd17c7fe.png)
The End

标签：

微信