HDFS在Ubuntu上的数据存储路径怎么设置

HDFS在Ubuntu上的数据存储路径设置步骤

1. 准备工作

• 确保Ubuntu系统已安装Java JDK 8+（Hadoop依赖Java环境）；
• 已完成Hadoop安装（解压至指定目录，如/usr/local/hadoop-3.3.1）；
• 配置好Hadoop环境变量（$HADOOP_HOME指向Hadoop安装目录，并添加至PATH）。

2. 修改core-site.xml（设置HDFS基础路径）

core-site.xml是Hadoop核心配置文件，需配置HDFS默认文件系统URI和临时目录（用于存储NameNode元数据的临时文件）。
路径：$HADOOP_HOME/etc/hadoop/core-site.xml
配置内容：

<configuration>
    <!-- 指定NameNode的URI（localhost表示本地模式，集群中替换为NameNode主机名/IP） -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
    <!-- 设置HDFS临时文件存储目录（需替换为实际路径，如/home/ubuntu/hadoop/tmp） -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/usr/local/hadoop-3.3.1/data/tmp</value>
    </property>
</configuration>

说明：hadoop.tmp.dir是HDFS临时文件的根目录，后续NameNode和DataNode的存储路径会基于此目录。

3. 修改hdfs-site.xml（设置NameNode和DataNode存储路径）

hdfs-site.xml是HDFS特定配置文件，需配置NameNode元数据存储路径和DataNode数据存储路径。
路径：$HADOOP_HOME/etc/hadoop/hdfs-site.xml
配置内容：

<configuration>
    <!-- 设置NameNode元数据存储路径（file://表示本地文件系统，可配置多个路径用逗号分隔，实现冗余） -->
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:///usr/local/hadoop-3.3.1/data/namenode</value>
    </property>
    <!-- 设置DataNode数据存储路径（可配置多个路径，如/data1,/data2，数据会轮询存储在不同目录） -->
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:///usr/local/hadoop-3.3.1/data/datanode</value>
    </property>
    <!-- 设置HDFS副本数（集群中需设置为大于1的值，如3） -->
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

说明：

• dfs.namenode.name.dir：存储NameNode的元数据（如fsimage、edit文件），若配置多个路径，元数据会同步到所有路径（冗余备份）；
• dfs.datanode.data.dir：存储DataNode的实际数据块，可配置多个磁盘路径（如/data1,/data2），提升存储容量和读写性能。

4. 创建存储目录

使用mkdir -p命令创建上述配置的目录，并设置正确的权限（Hadoop进程需对目录有读写权限）：

sudo mkdir -p /usr/local/hadoop-3.3.1/data/{tmp,namenode,datanode}
sudo chown -R $USER:$USER /usr/local/hadoop-3.3.1/data  # 将目录所有者改为当前用户（避免权限问题）

5. 格式化NameNode（首次配置需执行）

格式化NameNode会初始化HDFS元数据（创建fsimage、edit文件），注意：格式化会删除原有HDFS数据，仅首次配置或元数据损坏时执行：

hdfs namenode -format

6. 启动HDFS服务并验证

启动HDFS服务，检查NameNode和DataNode进程是否正常运行：

$HADOOP_HOME/sbin/start-dfs.sh  # 启动HDFS服务
jps  # 查看进程：应存在NameNode、DataNode进程

7. 验证存储路径

• 查看NameNode元数据路径：进入dfs/name目录（如/usr/local/hadoop-3.3.1/data/tmp/dfs/name），应存在fsimage、edit文件；
• 查看DataNode数据路径：进入dfs/data目录（如/usr/local/hadoop-3.3.1/data/tmp/dfs/data），应存在current目录（存储数据块）；
• Web界面验证：访问http://localhost:50070（Hadoop 3.x版本为http://localhost:9870），查看“NameNode”和“DataNode”信息，确认存储路径是否正确。

注意事项

• 若需修改已有集群的存储路径，需先停止HDFS服务（stop-dfs.sh），修改配置文件后重新格式化NameNode（hdfs namenode -format），再启动服务（start-dfs.sh）；
• DataNode的dfs.datanode.data.dir可配置多个路径（如file:///data1,/data2），数据会轮询存储在不同目录，解决单磁盘空间不足问题；
• 确保存储路径所在磁盘有足够空间（建议预留20%以上空间，避免数据写入失败）。