HDFS文件存储

上传、删除文件至HDFS

HDFS 数据分层存储方案 Hadoop 2.6.0 版本开始支持异构存储，它利用不同存储介质的特性进行数据存储优化。例如，针对冷热数据的存储场景，我们可以： 冷数据: 使用高容量、低成本的存储介质，如普通磁盘（HDD），以降低存储成本。 热数据: 使用高性能的固态硬盘（SSD），以获得更快的读写速度，提升访问效率。 这种方式充分发挥了不同存储介质的优势，实现了成本和性能的平衡。

HDFS文件权限与Linux系统文件权限相似，包括： r (read)：读取权限 w (write)：写入权限 x (execute)：执行权限，对文件无效，对文件夹表示是否允许访问其内容 例如，如果Linux系统用户zhangsan使用hadoop命令创建一个文件，那么该文件在HDFS中的owner就是zhangsan。 HDFS权限的设定目标是防止合法用户误操作，而不是阻止恶意攻击。HDFS遵循信任机制，用户声明的身份即被视为其真实身份。

在HDFS中读取文件，客户端首先会与NameNode建立连接，获取目标文件的所有数据块信息以及每个数据块所在的DataNode位置信息。 客户端会根据一定的策略（目前尚未考虑数据节点的相对位置）从每个数据块对应的DataNode集合中选择一个节点建立连接，并开始读取数据。数据以数据包的形式传输到客户端。当读取完一个数据块后，客户端会断开与当前DataNode的连接，并选择下一个数据块对应的DataNode，重复上述过程，直到读取完所有需要的数据。

本项目提供一个 Java 操作 HDFS 文件的实用案例，涵盖文件创建、删除、上传、下载等常用功能。请确保在运行前已成功搭建 Hadoop 集群。

本代码范例展示如何将本地文件上传至HDFS。利用Hadoop API操作，实现本地文件上传到HDFS。

hdfs-site.xml 是 Hadoop 分布式文件系统 (HDFS) 的核心配置文件之一。 它包含了 HDFS 的各种配置参数，例如 NameNode 和 DataNode 的地址、端口、数据块大小等。 通过修改 hdfs-site.xml 文件，用户可以自定义 HDFS 集群的行为以满足特定需求。

介绍如何使用Java代码实现HDFS文件系统基础操作，包括创建目录、上传文件、下载文件、删除文件、文件重命名以及获取文件列表等功能。

HDFS是大数据的核心组件之一，Hive的数据存储在HDFS中，Mapreduce和Spark的计算数据也存储在HDFS中，HBase的region也在HDFS中。在HDFS shell客户端，我们可以进行上传、删除等多种操作，并管理文件系统。熟练使用HDFS有助于更好地理解和掌握大数据技术。实验的主要目的是掌握HDFS的常用操作和文件系统管理。

使用Python解析HDFS文件并生成本地文件，可以通过以下步骤实现： 安装相关插件包： pip install hdfs 连接HDFS并读取文件内容： from hdfs import InsecureClient client = InsecureClient('http://namenode:50070') with client.read('/path/to/file') as reader: content = reader.read() 将读取的内容写入本地文件： with open('local_file.txt', 'w') as local_file: local_file.write(content) 通过以上步骤，可以顺利地解析HDFS文件并生成本地文件。