大数据【二】HDFS部署及文件读写（包含eclipse hadoop配置）
一 原理阐述
1‘ DFS
分布式文件系统（即DFS，Distributed File System），指文件系统管理的物理存储资源不一定直接连接在本地节点上，而是通过计算机网络与节点相连。该系统架构于网络之上，势必会引入网络编程的复杂性，因此分布式文件系统比普通磁盘文件系统更为复杂。
2‘ HDFS
借此，关于GFS和HDFS的区别与联系查看 我于博客园找到的前辈的博客>>http://www.cnblogs.com/liango/p/7136448.html
HDFS（Hadoop Distributed File System）为大数据平台其它所有组件提供了最基本的存储功能。
特征：高容错、高可靠、可扩展、高吞吐率等，为大数据存储和处理提供了强大的底层存储架构。
HDFS是一个主/从（master/slave）体系结构，从最终用户的角度来看，它就像传统的文件系统，可通过目录路径对文件执行CRUD操作。由于其分布式存储的性质，HDFS集群拥有一个NameNode和一些DataNodes，NameNode管理文件系统的元数据，DataNode存储实际的数据。
HDFS开放文件系统的命名空间以便用户以文件形式存储数据，秉承“一次写入、多次读取”的原则。客户端通过NameNode和DataNodes的交互访问文件系统，联系NameNode以获取文件的元数据，而真正的文件I/O操作是直接和DataNode进行交互的。
3‘ 适用场景
HDFS 提供高吞吐量应用程序数据访问功能，适合带有大型数据集的应用程序，以下是一些常用的应用场景：
数据密集型并行计算：数据量极大，但是计算相对简单的并行处理，如大规模Web信息搜索；
计算密集型并行计算：数据量相对不是很大，但是计算较为复杂的并行计算，如3D建模与渲染、气象预报和科学计算；
数据密集与计算密集混合型的并行计算，如3D电影的渲染。
HDFS在使用过程中有以下限制：
HDFS不适合大量小文件的存储，因NameNode将文件系统的元数据存放在内存中，因此存储的文件数目受限于NameNode的内存大小；
HDFS适用于高吞吐量，而不适合低时间延迟的访问；
流式读取的方式，不适合多用户写入一个文件（一个文件同时只能被一个客户端写），以及任意位置写入（不支持随机写）；
HDFS更加适合写入一次，读取多次的应用场景。
3’ 基本命令
格式： hadoop fs -cmd args 其中，cmd为具体的操作，args为参数
常用命令：
hadoop fs -mkdir /user/trunk #建立目录/user/trunk
hadoop fs -ls /user #查看/user目录下的目录和文件
hadoop fs -lsr /user #递归查看/user目录下的目录和文件
hadoop fs -put test.txt /user/trunk #上传test.txt文件至/user/trunk
hadoop fs -get /user/trunk/test.txt #获取/user/trunk/test.txt文件
hadoop fs -cat /user/trunk/test.txt #查看/user/trunk/test.txt文件内容
hadoop fs -tail /user/trunk/test.txt #查看/user/trunk/test.txt文件的最后1000行
hadoop fs -rm /user/trunk/test.txt #删除/user/trunk/test.txt文件
hadoop fs -help ls #查看ls命令的帮助文档
二 HDFS部署
主要步骤如下：
1． 配置Hadoop的安装环境；
2． 配置Hadoop的配置文件；
3． 启动HDFS服务；
4． 验证HDFS服务可用。
1‘ 查看是否存在hadoop安装目录 ls /usr/cstor/hadoop 如果没有，利用
工具从本地导入hadoop安装文件。
查看jdk是否存在，如果没有同上方法导入
2’ 确认集群服务器之间可SSH免密登录
使用ssh工具登录到每一台服务器，执行命令ssh 主机名，确认每台集群服务器均可SSH免密登录。方法查看我的博客 >> http://www.cnblogs.com/1996swg/p/7270728.html
3‘ 
查看hadoop_env.sh 文件，此文件只需修改JAVA_HOME
用vim编辑器修改此文件，将export JAVA_HOME=${JAVA_HOME}改为jdk的目录，例如在我的电脑上是export JAVA_HOME=/usr/local/jdk1.7.0_79/
4’ 指定HDFS主节点
此处需要配置文件 core-site.xml ，查看该文件，并<configuration></configuration>标签之间修改如图所示的配置：
5‘ 拷贝该配置到集群其他子集上，首先查看你的集群所有子集
输入命令 for x in `cat ~/data/2/machines` ; do echo $x ; scp -r /usr/cstor/hadoop/etc $x:/usr/cstor/hadoop ; done; 实现拷贝
6’ 启动HDFS节点
首先在master服务器上格式化主节点 hdfs namenode -format
其次配置slaves文件，将localhost修改为slave1~3；
最后在hadoop安装目录下统一启动HDFS；
用jps 命令在各个子集检验是否启动节点成功；
7‘ hdfs配置成功后可以在client上向HDFS上传文件：
三 读写HDFS文件
1’ 配置client服务器classpath
（1） 使用ssh工具登录client服务器，执行命令vi /etc/profile，编辑该文件。Linux 中/etc/profile文件的改变会涉及到系统的环境，也就是有关Linux环境变量。
修改设置Classpath的目的，在于告诉Java执行环境，在哪些目录下可以找到您所要执行的Java程序(.class文件)。
将末尾的如下几行：
JAVA_HOME=/usr/local/jdk1.7.0_79/
export JRE_HOME=/usr/local/jdk1.7.0_79//jre
export PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib
export HADOOP_HOME=/usr/cstor/hadoop
export PATH=$PATH:$HADOOP_HOME/bin
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"
用下列行进行替换（注意路径不同自行修改）：
JAVA_HOME=/usr/local/jdk1.7.0_79/
export HADOOP_HOME=/usr/cstor/hadoop
export JRE_HOME=/usr/local/jdk1.7.0_79//jre
export PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$HADOOP_HOME/share/hadoop/common/*:$HADOOP_HOME/share/hadoop/common/lib/*
export PATH=$PATH:$HADOOP_HOME/bin
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib:$HADOOP_HOME/lib/native"
（2） 执行命令source /etc/profile，使刚才的环境变量修改生效；
2’ 在client服务器编写HDFS写程序
（1）在client服务器上执行命令vi WriteFile.java，编写HDFS写文件程序：
1 import org.apache.hadoop.conf.Configuration; 2 import org.apache.hadoop.fs.FSDataOutputStream; 3 import org.apache.hadoop.fs.FileSystem; 4 import org.apache.hadoop.fs.Path; 5 public class WriteFile { 6 public static void main(String[] args)throws Exception{ 7 Configuration conf=new Configuration(); 8 FileSystem hdfs = FileSystem.get(conf); 9 Path dfs = new Path("/weather.txt"); 10 FSDataOutputStream outputStream = hdfs.create(dfs); 11 outputStream.writeUTF("nj 20161009 23\n"); 12 outputStream.close(); 13 } 14 }
（2）编译并打包HDFS写程序
使用javac编译刚刚编写的代码，并使用jar命令打包为hdpAction.jar
（3）执行HDFS写程序
在client服务器上使用hadoop jar命令执行hdpAction.jar：
查看是否已生成weather.txt文件，若已生成，则查看文件内容是否正确：
3‘ 在client服务器编写HDFS读程序
（1）在client服务器上执行命令vi ReadFile.java，编写HDFS读WriteFile.txt文件程序：
1 import java.io.IOException; 2 3 import org.apache.Hadoop.conf.Configuration; 4 import org.apache.Hadoop.fs.FSDataInputStream; 5 import org.apache.Hadoop.fs.FileSystem; 6 import org.apache.Hadoop.fs.Path; 7 8 public class ReadFile { 9 public static void main(String[] args) throws IOException { 10 Configuration conf = new Configuration(); 11 Path inFile = new Path("/weather.txt"); //读取WriteFile.txt文件 12 FileSystem hdfs = FileSystem.get(conf); 13 FSDataInputStream inputStream = hdfs.open(inFile); 14 System.out.println("myfile: " + inputStream.readUTF()); 15 inputStream.close(); 16 } 17 }
（2）编译文件并打包，然后执行；
四 配置eclipase Hadoop插件并进行打包上传
1’ 首先下载eclipse hadoop插件，解压为jar文件
，将其放置在eclipse文件位置的plugins文件夹下，例如D:\eclipse-standard-kepler-SR2-win32\eclipse\plugins
2‘ 配置本地的hadoop环境，需下载hadoop组件（到阿帕奇下吧^_^，http://hadoop.apache.org/），解压为
3‘ 打开eclipase新建project查看是否已经有Map/Reduce Project的选项。第一次新建Map/Reduce项目时，需要指定hadoop解压后的位置（即第二部组件解压的位置），在新建时项目填写界面右中间有hadoop的路径填写；
4’ 编写java文件，例如上述的ReadFile.java
5‘ 打包成jar文件，右击项目的export的jar file，然后选择所需的文件打包成jar文件，(此步骤是重点)
>>>>>>
>>>>>>
6’ 使用WinSCP、XManager或其它SSH工具的sftp工具上传刚刚生成的hdpAction.jar包至client服务器（我用的是
工具），并在client服务器上使用hadoop jar命令执行hdpAction.jar，查看程序运行结果。
>运行该jar文件 hadoop jar ~/hdpAction.jar ReadFile
总结：
对于HDFS文件读写的学习，很基础同时也很重要，在后面关于yarn，mapreduce等的学习都要基于此处之上才能逐步了解。
只有一种失败就是半途而废。所以每天的学习会逐步积累，潜移默化。