CentOS HDFS使用案例分享

在CentOS上部署和使用Hadoop分布式文件系统（HDFS）是一个常见的任务，尤其是在大数据处理和分析的场景中。以下是一个详细的使用案例分享，涵盖了从环境搭建到基本操作的各个方面。

环境搭建

1. 准备工作

• 操作系统：确保所有节点使用的是CentOS 7或更高版本。
• Java环境：安装JDK 8，因为Hadoop是基于Java的。
• SSH配置：配置SSH以便在节点之间进行无密码登录。

2. 安装Hadoop

• 从Apache Hadoop官网下载对应版本的Hadoop安装包。
• 解压安装包到你指定的目录，例如 /usr/local/hadoop。

3. 配置环境变量

• 编辑 /etc/profile 文件，添加Hadoop的路径和库路径。
• 使用 source /etc/profile 命令使配置生效。

4. 配置Hadoop配置文件

• core-site.xml：配置HDFS的默认文件系统和临时目录。
• hdfs-site.xml：配置HDFS的数据节点目录、副本数等。
• mapred-site.xml：配置MapReduce框架。
• yarn-site.xml：配置YARN资源管理器。

5. 格式化NameNode

• 在NameNode节点上执行 hdfs namenode -format 命令，初始化文件系统。

6. 启动HDFS

• 使用以下命令启动HDFS集群：

  /opt/hadoop/sbin/start-dfs.sh
  

7. 验证配置

• 使用 jps 命令检查进程，确保NameNode和DataNode正在运行。
• 通过Web界面（通常是 http://namenode-host:50070）访问HDFS。

基本操作

1. 上传文件到HDFS

hdfs dfs -put /usr/local/hadoop-2.8.5/NOTICE.txt /input/

2. 从HDFS下载文件

hdfs dfs -get /input/README.txt ./hdfs_backup.txt

3. 删除文件或目录

hdfs dfs -rm /input/README.txt
hdfs dfs -rm -r /output

4. 创建目录

hdfs dfs -mkdir /output
hdfs dfs -mkdir -p /output/abc/123

5. 复制文件或目录

hdfs dfs -cp /input/NOTICE.txt /input/NOTICE2.txt
hdfs dfs -mv /input/NOTICE.txt /input/NOTICE3.txt

6. 查看文件内容

hdfs dfs -cat /input/NOTICE3.txt

高级配置与优化

1. 高可用性（HA）配置

• 配置两个NameNode（一个活动，一个被动）以及至少三个JournalNode。
• 编辑 hdfs-site.xml 文件，添加相关配置。

2. 性能优化

• 调整NameNode内存。
• 增加DataNode的心跳并发处理能力。
• 启用HDFS回收站。

3. 安全性

• 实施基于角色的访问控制（RBAC）和访问控制列表（ACLs）。
• 启用数据加密。
• 使用Kerberos等认证协议。

通过以上步骤，您可以在CentOS上成功搭建和配置HDFS，并进行基本操作和高级配置与优化。根据具体需求和环境，选择最适合的配置策略。