HDFS中的基本概念

塊（Block）：HDFS的文件被分成塊進(jìn)行存儲，HDFS塊的默認(rèn)大小是64MB。塊是文件存儲處理的邏輯單元

NameNode：NameNode是管理節(jié)點(diǎn)，存放文件元數(shù)據(jù)

（1）文件與數(shù)據(jù)塊的映射表

（2）數(shù)據(jù)塊與數(shù)據(jù)節(jié)點(diǎn)的映射表

DataNode：DataNode是HDFS的工作節(jié)點(diǎn)，存放數(shù)據(jù)塊

HDFS體系結(jié)構(gòu)

HDFS的數(shù)據(jù)管理與容錯

（1）每個數(shù)據(jù)塊3個副本，分布在兩個機(jī)架內(nèi)的三個節(jié)點(diǎn)

（2）DataNode定期向NameNode發(fā)送心跳消息

（3）二級NameNode定期同步元數(shù)據(jù)映像文件和修改日志。NameNode發(fā)生故障時，備胎轉(zhuǎn)正

HDFS讀取文件的流程：

HDFS 特點(diǎn)

（1）數(shù)據(jù)冗余，硬件容錯

（2）流式的數(shù)據(jù)訪問（一次寫入多次讀?。?/p>

（3）適合存儲大文件

（4）適合數(shù)據(jù)批量讀寫，吞吐量高

（5）適合一次寫入多次讀取，順序讀寫。不支持多用戶并發(fā)寫相同文件

HDFS命令操作演示

hadoop fs -ls /

haddoop fs -rm hadoop-env.sh

hadoop fs -mkdir input

hadoop fs -put hadoop-env.sh input/

hadoop fs -cat input/hadoop-env.sh

hadoop fs -get input/hadoop-env.sh hadoop-env2.sh

MapReduce原理

分而治之，一個大任務(wù)分成多個小的子任務(wù)（map），并行執(zhí)行后，合并結(jié)果（reduce）

MapReduce運(yùn)行流程

Job & Task：一個Job可以分成多個map task和 reduce task

JobTracker：作業(yè)調(diào)度、分配任務(wù)、監(jiān)控任務(wù)執(zhí)行進(jìn)度、監(jiān)控TaskTracker的狀態(tài)

TaskTracker：執(zhí)行任務(wù)、匯報任務(wù)狀態(tài)

MapReduce應(yīng)用案例－－WordCount單詞計數(shù)

計算文件中出現(xiàn)的每個單詞的頻數(shù)，輸入結(jié)果按照字母的順序排序

首先編寫好代碼（編寫WordCount.java，里面包含Mapper類和Reducer類）

編譯

javac -classpath /usr/hadoop/hadoop-1.2.1/hadoop-core-1.2.1.jar:/usr/hadoop/hadoop-1.2.1/commmons-cli-1.2.jar -d word_count_class/ WordCount.java

打包

cd word_count_class

jar -cvf wordcount.jar *.class

創(chuàng)建輸入和輸出文件file1和file2

將filhe1 和 file2提交至 hdfs中去

cd ......

hadoop fs -mkdir input_wordcount //hdfs中創(chuàng)建文件夾

hadoop fs -put input/* input_wordcount/ //將file1 和 file2提交至 hdfs中去

可以通過 hadoop fs -ls 命令查看 input_wordcount文件夾的位置

提交

hadoop jar word_count_class/wordcount.jar WordCount input_wordcount output_wordcount

查看結(jié)果

hadoop fs -ls output_wordcount //查看結(jié)果文件所在位置

hadoop fs -cat output_wordcount/part-r-00000 //打開文件