`

Hadoop Shell 讲解

 
阅读更多

Hadoop Shell 讲解
概述

所有的hadoop命令均由bin/hadoop脚本引发。不指定参数运行hadoop脚本会打印所有命令的描述。
用法:

hadoop [--config confdir] [COMMAND] [GENERIC_OPTIONS] [COMMAND_OPTIONS]

Hadoop有一个选项解析框架用于解析一般的选项和运行类。

命令选项

--config confdir 覆盖缺省配置目录。缺省是${HADOOP_HOME}/conf。
GENERIC_OPTIONS 多个命令都支持的通用选项。
COMMAND 命令选项 各种各样的命令和它们的选项会在下面提到。这些命令被分为 用户命令 管理命令两组。

常规选项

下面的选项被 dfsadmin, fs, fsck和 job支持。 应用程序要实现 Tool来支持 常规选项。
GENERIC_OPTION 描述
-conf <configuration file> 指定应用程序的配置文件。
-D <property=value> 为指定property指定值value。
-fs <local|namenode:port> 指定namenode。
-jt <local|jobtracker:port> 指定job tracker。只适用于job。
-files <逗号分隔的文件列表> 指定要拷贝到map reduce集群的文件的逗号分隔的列表。 只适用于job。
-libjars <逗号分隔的jar列表> 指定要包含到classpath中的jar文件的逗号分隔的列表。 只适用于job。
-archives <逗号分隔的archive列表> 指定要被解压到计算节点上的档案文件的逗号分割的列表。 只适用于job。

用户命令

hadoop集群用户的常用命令。

archive

创建一个hadoop档案文件。参考 Hadoop Archives.
用法:hadoop archive -archiveName NAME <src>* <dest>
命令选项 描述
-archiveName NAME 要创建的档案的名字。
src 文件系统的路径名,和通常含正则表达的一样。
dest 保存档案文件的目标目录。

distcp

递归地拷贝文件或目录。参考DistCp指南以获取等多信息。
用法:hadoop distcp <srcurl> <desturl>
命令选项 描述
srcurl 源Url
desturl 目标Url

fs

用法:hadoop fs [GENERIC_OPTIONS] [COMMAND_OPTIONS]
运行一个常规的文件系统客户端。
各种命令选项可以参考HDFS Shell指南。

fsck

运行HDFS文件系统检查工具。参考Fsck了解更多。

用法:hadoop fsck [GENERIC_OPTIONS] <path> [-move | -delete | -openforwrite] [-files [-blocks [-locations | -racks]]]
命令选项 描述
<path> 检查的起始目录。
-move 移动受损文件到/lost+found
-delete 删除受损文件。
-openforwrite 打印出写打开的文件。
-files 打印出正被检查的文件。
-blocks 打印出块信息报告。
-locations 打印出每个块的位置信息。
-racks 打印出data-node的网络拓扑结构。

jar

运行jar文件。用户可以把他们的Map Reduce代码捆绑到jar文件中,使用这个命令执行。
用法:hadoop jar <jar> [mainClass] args...
streaming作业是通过这个命令执行的。参考Streaming examples中的例子。
Word count例子也是通过jar命令运行的。参考Wordcount example。

job

用于和Map Reduce作业交互和命令。
用法:hadoop job [GENERIC_OPTIONS] [-submit <job-file>] | [-status <job-id>] | [-counter <job-id> <group-name> <counter-name>] | [-kill <job-id>] | [-events <job-id> <from-event-#> <#-of-events>] | [-history [all] <jobOutputDir>] | [-list [all]] | [-kill-task <task-id>] | [-fail-task <task-id>]
命令选项 描述
-submit <job-file> 提交作业
-status <job-id> 打印map和reduce完成百分比和所有计数器。
-counter <job-id> <group-name> <counter-name> 打印计数器的值。
-kill <job-id> 杀死指定作业。
-events <job-id> <from-event-#> <#-of-events> 打印给定范围内jobtracker接收到的事件细节。
-history [all] <jobOutputDir> -history <jobOutputDir> 打印作业的细节、失败及被杀死原因的细节。更多的关于一个作业的细节比如成功的任务,做过的任务尝试等信息可以通过指定[all]选项查看。
-list [all] -list all显示所有作业。-list只显示将要完成的作业。
-kill-task <task-id> 杀死任务。被杀死的任务不会不利于失败尝试。
-fail-task <task-id> 使任务失败。被失败的任务会对失败尝试不利。

pipes

运行pipes作业。
用法:hadoop pipes [-conf <path>] [-jobconf <key=value>, <key=value>, ...] [-input <path>] [-output <path>] [-jar <jar file>] [-inputformat <class>] [-map <class>] [-partitioner <class>] [-reduce <class>] [-writer <class>] [-program <executable>] [-reduces <num>]
命令选项 描述
-conf <path> 作业的配置
-jobconf <key=value>, <key=value>, ... 增加/覆盖作业的配置项
-input <path> 输入目录
-output <path> 输出目录
-jar <jar file> Jar文件名
-inputformat <class> InputFormat类
-map <class> Java Map类
-partitioner <class> Java Partitioner
-reduce <class> Java Reduce类
-writer <class> Java RecordWriter
-program <executable> 可执行程序的URI
-reduces <num> reduce个数

version

打印版本信息。
用法:hadoop version

CLASSNAME

hadoop脚本可用于调调用任何类。
用法:hadoop CLASSNAME
运行名字为CLASSNAME的类。

管理命令

hadoop集群管理员常用的命令。

balancer

运行集群平衡工具。管理员可以简单的按Ctrl-C来停止平衡过程。参考Rebalancer了解更多。
用法:hadoop balancer [-threshold <threshold>]
命令选项 描述
-threshold <threshold> 磁盘容量的百分比。这会覆盖缺省的阀值。

daemonlog

获取或设置每个守护进程的日志级别。
用法:hadoop daemonlog -getlevel <host:port> <name>
用法:hadoop daemonlog -setlevel <host:port> <name> <level>
命令选项 描述
-getlevel <host:port> <name> 打印运行在<host:port>的守护进程的日志级别。这个命令内部会连接http://<host:port>/logLevel?log=<name>
-setlevel <host:port> <name> <level> 设置运行在<host:port>的守护进程的日志级别。这个命令内部会连接http://<host:port>/logLevel?log=<name>

datanode

运行一个HDFS的datanode。
用法:hadoop datanode [-rollback]
命令选项 描述
-rollback 将datanode回滚到前一个版本。这需要在停止datanode,分发老的hadoop版本之后使用。

dfsadmin

运行一个HDFS的dfsadmin客户端。
用法:hadoop dfsadmin [GENERIC_OPTIONS] [-report] [-safemode enter | leave | get | wait] [-refreshNodes] [-finalizeUpgrade] [-upgradeProgress status | details | force] [-metasave filename] [-setQuota <quota> <dirname>...<dirname>] [-clrQuota <dirname>...<dirname>] [-help [cmd]]
命令选项 描述
-report 报告文件系统的基本信息和统计信息。
-safemode enter | leave | get | wait 安全模式维护命令。安全模式是Namenode的一个状态,这种状态下,Namenode
1. 不接受对名字空间的更改(只读)
2. 不复制或删除块
Namenode会在启动时自动进入安全模式,当配置的块最小百分比数满足最小的副本数条件时,会自动离开安全模式。安全模式可以手动进入,但是这样的话也必须手动关闭安全模式。
-refreshNodes 重新读取hosts和exclude文件,更新允许连到Namenode的或那些需要退出或入编的Datanode的集合。
-finalizeUpgrade 终结HDFS的升级操作。Datanode删除前一个版本的工作目录,之后Namenode也这样做。这个操作完结整个升级过程。
-upgradeProgress status | details | force 请求当前系统的升级状态,状态的细节,或者强制升级操作进行。
-metasave filename 保存Namenode的主要数据结构到hadoop.log.dir属性指定的目录下的<filename>文件。对于下面的每一项,<filename>中都会一行内容与之对应
1. Namenode收到的Datanode的心跳信号
2. 等待被复制的块
3. 正在被复制的块
4. 等待被删除的块
-setQuota <quota> <dirname>...<dirname> 为每个目录 <dirname>设定配额<quota>。目录配额是一个长整型整数,强制限定了目录树下的名字个数。
命令会在这个目录上工作良好,以下情况会报错:
1. N不是一个正整数,或者
2. 用户不是管理员,或者
3. 这个目录不存在或是文件,或者
4. 目录会马上超出新设定的配额。
-clrQuota <dirname>...<dirname> 为每一个目录<dirname>清除配额设定。
命令会在这个目录上工作良好,以下情况会报错:
1. 这个目录不存在或是文件,或者
2. 用户不是管理员。
如果目录原来没有配额不会报错。
-help [cmd] 显示给定命令的帮助信息,如果没有给定命令,则显示所有命令的帮助信息。

jobtracker

运行MapReduce job Tracker节点。
用法:hadoop jobtracker

namenode

运行namenode。有关升级,回滚,升级终结的更多信息请参考升级和回滚。
用法:hadoop namenode [-format] | [-upgrade] | [-rollback] | [-finalize] | [-importCheckpoint]
命令选项 描述
-format 格式化namenode。它启动namenode,格式化namenode,之后关闭namenode。
-upgrade 分发新版本的hadoop后,namenode应以upgrade选项启动。
-rollback 将namenode回滚到前一版本。这个选项要在停止集群,分发老的hadoop版本后使用。
-finalize finalize会删除文件系统的前一状态。最近的升级会被持久化,rollback选项将再不可用,升级终结操作之后,它会停掉namenode。
-importCheckpoint 从检查点目录装载镜像并保存到当前检查点目录,检查点目录由fs.checkpoint.dir指定。

secondarynamenode

运行HDFS的secondary namenode。参考Secondary Namenode了解更多。
用法:hadoop secondarynamenode [-checkpoint [force]] | [-geteditsize]
命令选项 描述
-checkpoint [force] 如果EditLog的大小 >= fs.checkpoint.size,启动Secondary namenode的检查点过程。 如果使用了-force,将不考虑EditLog的大小。
-geteditsize 打印EditLog大小。

tasktracker

运行MapReduce的task Tracker节点。

用法:hadoop tasktracker

分享到:
评论

相关推荐

    Hadoop从入门到上手企业开发

    007 What is Apache Hadoop讲解 008 Hadoop 的发展史和版本发展与区别 009 Hadoop 生态系统介绍讲解 010 Hadoop 生态系统介绍讲解 011 Hadoop 服务讲解 012 HDFS 架构的讲解 013 MapReduce 架构讲解和MapReduce思想...

    传智黑马赵星老师hadoop七天课程资料笔记-第一天(全)

    2. "hadoop-shell.pdf" - 这可能涵盖使用Hadoop Shell命令行工具进行数据操作和管理的知识,包括创建、删除、查看HDFS文件等。 3. "数据同步过程.png" - 这可能是一张图表,解释了Hadoop中数据在不同节点间同步的...

    利用ansible 自动 安装Hadoop 集群

    本篇将详细讲解如何利用Ansible自动安装Hadoop集群。 首先,理解Ansible的工作原理至关重要。Ansible基于SSH(Secure Shell)协议,无需在目标节点上安装任何代理,通过控制节点即可实现远程管理。它使用YAML格式的...

    Hadoop大数据开发基础_教案.rar

    同时,这一章还会介绍Hadoop Shell脚本编写,以便更高效地进行数据管理。 第四章《MapReduce入门编程》深入MapReduce编程模型,解析Map和Reduce阶段的工作原理。这一章通过实例演示如何编写Java MapReduce程序,...

    分布式文件系统Hadoop

    该文档会讲解如何安装HBase,配置HBase与Hadoop的交互,以及如何使用HBase Shell进行基本操作。 "Hadoop的MapReduce执行过程介绍"涵盖了MapReduce编程模型,它是Hadoop处理大数据的主要计算框架。文档将解析...

    hadoop中实现java网络爬虫(示例讲解)

    可以使用Hadoop的FSShell命令或编程方式读取这些结果,进行进一步分析。 9. **数据可视化** 结果分析后,可以选择合适的数据可视化工具,如Tableau、Gephi或自定义的Web应用,将数据以图表形式展示出来,便于理解...

    hadoop.rar

    尚硅谷大数据技术之Hadoop(HDFS).docx可能涵盖了HDFS的原理、架构和管理,而YARN文档则会讲解资源管理和任务调度。 3. **HDFS**: HDFS是Hadoop的核心组成部分,负责数据的分布式存储。它采用了主从结构,由一个...

    hadoop-2.6.0.tar

    本篇文章将详细讲解基于Linux系统的Hadoop 2.6.0版本的安装与配置。 一、Hadoop简介 Hadoop的核心组件主要包括两个:HDFS(Hadoop Distributed File System)和MapReduce。HDFS是一种分布式文件系统,能够提供高...

    hadoop在win需要的插件

    本文将详细讲解在Windows上安装和配置Hadoop 2.8.1所需的关键知识点。 1. **Hadoop的Windows兼容性** - Hadoop主要设计用于Linux环境,但在Windows上运行需要额外的工具和配置,如Cygwin或Java的JDK。 - Hadoop ...

    hadoop 2.x 版本概要讲解,HA搭建指南

    ### hadoop 2.x 版本概要讲解 Hadoop 是一个开源软件框架,用于分布式存储和处理大型数据集。Hadoop 2.x 版本是该系列中的一个重要版本,它引入了许多重要的改进和新特性,包括但不限于 YARN(Yet Another Resource...

    Hadoop大数据实战培训

    本"Hadoop大数据实战培训"资料深入浅出地讲解了Hadoop的核心概念、功能特性以及实际应用,旨在帮助学习者掌握Hadoop技术并能够应用于实际项目。 首先,Hadoop的原理主要基于两个核心组件:HDFS(Hadoop Distributed...

    hadoop集群配置ssh免登录shell脚本

    本篇将详细讲解如何配置Hadoop集群的SSH免登录,并介绍提供的shell脚本`hadoop_ssh_auto_login.sh`以及辅助文件`ip_hosts.txt`的用途。 首先,理解SSH免登录的基本原理。SSH免登录依赖于公钥认证机制,即在每台主机...

    Hadoop使用文档

    这份原创的“Hadoop使用文档”深入浅出地介绍了如何安装Hadoop,并详细讲解了如何运用MapReduce进行分布式计算以及如何操作HDFS(Hadoop Distributed File System)进行数据存储。 **一、Hadoop安装** 1. **环境...

    Hadoop权威指南中文版第四版

    12. **Oozie**:工作流调度系统,用于管理Hadoop作业的生命周期,包括Hadoop作业和其他类型的作业如Java程序或shell脚本。 13. **ZooKeeper**:分布式协调服务,用于管理配置信息、命名服务、组服务和分布式同步。 ...

    Hadoop配置

    单机版方式安装 .pdf"会详细讲解如何在单台机器上安装Hadoop并进行配置,以模拟分布式环境。这涉及到下载Hadoop二进制包,解压到指定目录,设置环境变量,修改配置文件如`core-site.xml`, `hdfs-site.xml`等,以及...

    第3章hadoop伪分布式环境的搭建.docx

    本文将重点讲解Hadoop的伪分布式环境搭建,这非常适合学习和测试。 1. **Hadoop运行模式** - **本地模式**:在这种模式下,所有的Hadoop进程都在同一个JVM(Java虚拟机)中运行,主要用于快速验证代码和调试。 ...

    第2章-hadoop安装.docx

    Hadoop 2.x引入了YARN(Yet Another Resource Negotiator),提高了系统的资源管理和调度效率,因此,本教程将以Hadoop 2.x.y系列为例进行讲解。 首先,我们需要在Ubuntu 14.04 64位环境下创建一个名为"hadoop"的...

    Hadoop集群程序设计与开发教学大纲.docx

    8. **HBase**:介绍HBase的基础知识,包括环境配置、Shell操作,基于HBase API的程序设计,以及RowKey设计,帮助学生掌握NoSQL数据库的使用。 课程以理论与实践相结合的方式进行,强调实践操作,确保学生能够掌握...

    Hadoop培训讲义(3天课程)

    课程将讲解HDFS的数据模型、NameNode与DataNode的角色、数据块的概念、副本策略以及如何通过HDFS Shell进行文件操作。 3. MapReduce:MapReduce是Hadoop用于大规模数据处理的编程模型。它将复杂任务拆分为可并行...

Global site tag (gtag.js) - Google Analytics