1.HDFS的产生背景

数据量的增多，需要有一种系统管理多台机器的文件，于是产生DFS(Distributed File System)

2.HDFS简介

Hadoop项目的核心之一，用于数据存储，HDFS基于GFS开源实现。

3.HDFS优点

·处理超大文件--MB到TB级（相对应的它不适用于存储很多小文件）

·运行于廉价机器上，廉价的机器易发生故障，HDFS要做到高可靠、高可用

·一次写入多次读取

4.HDFS缺点

·不适用于低延时实时性的数据访问（应该使用HBase）。

·无法存储大量小文件，原因是文件和目录的信息都存储在NameNode中，HDFS能存储的文件数目由namenode的大小决定，当小文件过多会导致集群的性能下降。（解决办法：合并小文件）

5.HDFS设计目标

·错误的检测和快速自动的恢复是最核心的目标，硬件错误是常态而不是一场，任何一个服务器都可能失效

·大规模数据集。运行在HDFS上的文件大小一般在GB到TB量级，需要调节HDFS以支持大文件存储。HDFS应该具有较高的数据带宽，能在一个集群中扩展到数百个节点。单一的HDFS实例应该能支撑数以千万计的文件。

·移动计算代价比移动数据代价低，一个作业的计算，离他操作的数据越近就越高效。HDFS提供了将计算移动到数据附近的接口。将计算移动到数据附近要比数据移动到计算更加高效。

7.HDFS 组成

默认的最基本的存储单位是数据块（Block），默认的块大小是128MB（有些是64MB）

NameNode（元数据节点）--管理文件系统的命名空间，将所有的文件和文件夹的元数据保存在一个文件系统树。

DataNode（数据节点）--文件系统中真正存储数据的地方，一个文件被拆分成多个Block，接着将Block存储在对应的数据节点 。客户端向NameNode发起请求，然后到对应的数据节点上存取数据。

Secondary NameNode（从数据节点）--要知道Secondary NameNode不是Name Node节点的备胎，它们两个行使的功能不一样，但是两者有关联，其主要功能就是周期性地将Name Node的namespace image和edit log合并，以防日志文件过大。

8.HDFS 架构

 HDFS采用master/slave架构。一个HDFS集群由一个Name Node和一定数量的Data Node组成。Name Node是一个中心服务器，负责管理文件系统的名字空间（namespace）以及客户端对文件的访问。集群中的Data Node一般是一个节点对应一个，负责管理它所在节点上的存储数据。

文件系统的名字空间：HDFS支持传统的层次型文件组织结构。用户或者应用程序可以创建目录，然后将文件保存在这些目录里。文件系统名字空间的层次结构和大多数现有的文件系统类似，用户可以创建、删除、移动或重命名文件。

当前，HDFS不支持用户磁盘配额和访问权限控制，也不支持硬链接和软链接。但是HDFS架构并不妨碍对这些特性的实现。

9.HDFS命令

可使用help命令寻求帮助

hadoop fs -help <命令>

在HDFS创建文件夹（级联创建文件夹需要在-mkdir 后面加 -p 否则会报错）

hadoop fs -mkdir　　

将Linux本地系统的文件上传到HDFS(这里上传我自己随便创建的一个txt文件，如果需要指定上传至HDFS的路径则在后面添加)

hadoop fs -put /tmp/input.txt /datatest

从HDFS下载文件到本地系统，需要root权限，否则会报permission denied

hdfs dfs -get /datatest/input.txt /home/hadoop/aaa

在hdfs上查看文件内容（这里使用cat，还可以用 -text，效果是一样的）

hdfs dfs -cat /datatest/input.txt

查看文件大小

hdfs dfs -du /datatest

 删除刚刚创建的文件

hadoop fs -rm /datatest/input.txt

 如果要删除一整个目录使用    -rmr，这里不做演示了。rmr会递归删除指定目录下的所有子目录和文件，慎用

 更多命令参考官网：http://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-common/