Debian如何管理HDFS数据

在 Debian 上管理 HDFS 数据

一 环境准备与基础配置

• 安装 Java 8/11（以 OpenJDK 11 为例）：sudo apt update && sudo apt install -y openjdk-11-jdk；验证：java -version。创建专用用户 hadoop 并配置 SSH 免密；在 /etc/hosts 完成主机名映射；建议启用 NTP 做时钟同步。下载并解压 Hadoop 3.3.x，设置环境变量：export HADOOP_HOME=/usr/local/hadoop；export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin；在 hadoop-env.sh 中设置 JAVA_HOME。核心配置示例：core-site.xml 设置 fs.defaultFS=hdfs://namenode:8020；hdfs-site.xml 设置 dfs.replication=3、dfs.namenode.name.dir、dfs.datanode.data.dir、dfs.blocksize=134217728（128MB）。首次启动前在 NameNode 执行：hdfs namenode -format；启动 HDFS：start-dfs.sh；进程检查：jps（应见 NameNode/DataNode，如配置 Secondary 还会看到 SecondaryNameNode）；健康检查：hdfs dfsadmin -report；Web UI：Hadoop 3.x 为 http://namenode:9870。

二 常用 HDFS 数据操作

• 目录与权限：hdfs dfs -mkdir -p /user/hadoop；hdfs dfs -chmod 755 /user/hadoop；hdfs dfs -chown hadoop:hadoop /user/hadoop。
• 文件传输：hdfs dfs -put local.txt /user/hadoop/input；hdfs dfs -get /user/hadoop/output/part-r-00000 ./out；hdfs dfs -cat /user/hadoop/input/local.txt；hdfs dfs -tail /user/hadoop/logs/app.log；hdfs dfs -cp /src /dst；hdfs dfs -mv /src /dst；hdfs dfs -rm /path/file；hdfs dfs -rm -r /path/dir。
• 配额与统计：hdfs dfsadmin -setQuota 100000 /data（文件数配额）；hdfs dfsadmin -setSpaceQuota 1t /data（容量配额）；hdfs dfs -count -q /data（配额与已用）；hdfs dfsadmin -report（集群节点与容量）；hdfs dfs -du -h /data（目录大小）；hdfs dfs -ls -h /data（人类可读列表）。

三 数据保护与恢复

• 快照（Snapshot）：对关键目录开启快照 hdfs fs -allowSnapshot /data；创建快照 hdfs fs -createSnapshot /data snap_20250801；恢复文件 hdfs fs -cp /data/.snapshot/snap_20250801/file /data/restore/。
• 回收站（Trash）：删除默认进入回收站（保留期可配置），误删可从回收站恢复：hdfs dfs -cp /user/hadoop/.Trash/Current/file /user/hadoop/。
• 跨集群/异地备份：使用 distcp 做全量/增量同步，例如：hadoop distcp -m 20 hdfs://src-cluster:8020/data hdfs://dst-cluster:8020/backup/data；可按日期/目录分层执行，便于回滚。

四 运维与优化要点

• 安全与连通：核对 /etc/hosts、SSH 免密、防火墙策略；放行端口 8020（NameNode RPC）、9870（NameNode Web）、50075（DataNode Web）、50010（DataNode 数据传输）。启用 NTP 避免时间漂移导致异常。
• 存储与副本：生产环境建议 dfs.replication=3；单机或测试可设为 1；块大小 dfs.blocksize 大文件可设为 256MB/512MB 减少小文件与元数据压力；为 dfs.namenode.name.dir/dfs.datanode.data.dir 挂载高性能/大容量磁盘，并将 hadoop.tmp.dir、HADOOP_LOG_DIR 指向充足分区。
• 监控与排障：用 jps 与 hdfs dfsadmin -report 巡检；通过 http://namenode:9870 查看 DataNode 健康、块报告与容量；NameNode 元数据与编辑日志（fsimage/edits）定期备份；目录与配额超限、磁盘满、权限错误是常见故障点，优先检查对应目录、配额与磁盘使用。