本文介绍如何在Linux系统上搭建Hadoop分布式文件系统(HDFS)来存储海量数据。HDFS通过将数据分散存储在集群中，实现高效的数据处理。 以下步骤详细阐述了在Linux环境下配置和使用HDFS的过程：
一、准备工作：安装Java环境
首先，确保你的系统已安装Java Development Kit (JDK)。 可以使用以下命令检查：
java -version
若未安装，使用以下命令安装OpenJDK 8 (根据你的系统版本选择合适的JDK版本)：
sudo apt-get update # 更新软件包列表 sudo apt-get install openjdk-8-jdk # 安装OpenJDK 8
二、Hadoop安装与配置
-
下载Hadoop: 从Apache官网下载Hadoop最新稳定版本，并解压到指定目录 (例如
/usr/local/hadoop)。 -
设置环境变量: 编辑
~/.bashrc文件，添加以下环境变量：
export HADOOP_HOME=/usr/local/hadoop # 将`/usr/local/hadoop`替换为你的Hadoop安装路径 export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin source ~/.bashrc # 使环境变量生效
-
核心配置文件 (core-site.xml): 修改
$HADOOP_HOME/etc/hadoop/core-site.xml文件，配置默认文件系统：
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
-
HDFS配置文件 (hdfs-site.xml): 修改
$HADOOP_HOME/etc/hadoop/hdfs-site.xml文件，设置数据副本数量 (这里设置为1，生产环境建议设置大于1)：
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
三、启动HDFS
- 格式化NameNode: 运行以下命令格式化NameNode，这将初始化HDFS文件系统：
hdfs namenode -format
- 启动HDFS集群: 运行以下命令启动HDFS守护进程：
start-dfs.sh
四、数据操作
HDFS将数据分割成块并存储在集群的不同节点上，并维护多个副本以保证数据可靠性。 使用 hdfs dfs 命令进行文件操作：
-
上传文件:
hdfs dfs -put /local/path/file.txt /hdfs/path/(将本地文件上传到HDFS) -
下载文件:
hdfs dfs -get /hdfs/path/file.txt /local/path/(将HDFS文件下载到本地) -
查看文件:
hdfs dfs -ls /hdfs/path/(列出HDFS目录下的文件)
通过以上步骤，你可以在Linux系统上成功搭建并使用HDFS进行数据存储和管理。 记住，生产环境中需要配置更多参数，例如数据块大小、副本数量等，以优化性能和可靠性。
