Hadoop：Hadoop基本命令

今天药忘吃喽~ 2022-08-21 07:46 254阅读 0赞

http://[blog.csdn.net/pipisorry/article/details/51223877][blog.csdn.net_pipisorry_article_details_51223877]

# 常用命令 #

### 启用hadoop ###

start-dfs.sh

start-hbase.sh

![Center][]

**停止hadoop**

stop-hbase.sh  
stop-dfs.sh

**Note:**

**start-dfs.sh启动出错**

出错：Exception in thread "main" java.net.ConnectException: Call From ubuntu-BDMS/127.0.0.1 to localhost:9000 failed on connection exception: java.net.ConnectException: Connection refused; For more details see:  http://wiki.apache.org/hadoop/ConnectionRefused  
原因：可能是ctrl+c关闭但是并没有关闭进程？或者进程还在运行的时候突然关机把文件损坏了？或者因为在tmp中没有生成对应的pid?  
解决方案1：  
查看Master是否启动，打开http://master:50070打开网页后看master 的端口  
NameNode 'localhost:9000'  
将Eclipse 中Hadoop Location 中HDFS的端口更改为正确的端口。  
解决方案2：  
hadoop namenode -format?

解决方案3：

重启操作系统

### 文件管理 ###

hdfs读取的文件是dfs文件系统内部的，如String file= "hdfs://localhost:9000/hw1/README.txt";  
README.txt并不是主机本地文件系统中的文件，而是copy到hdfs文件系统中的文件。  
通过-put可以将主机本地文件copy到hdfs文件系统中$ hdfs dfs -put tpch/orders.tbl /hw1

**查看hdfs分布式文件系统中的文件**  
$ hdfs dfs -ls /  
hadoop fs -ls  /  
**查看hbase中的table**  
进入hbase: hbase shell  
hbase(main):001:0> list  
TABLE                                                                             
Result                                                                            
1 row(s) in 3.2030 seconds  
=> \["Result"\]

**HBaseAdmin类中使用下面代码删除table**  
hAdmin.disableTable(tableName);  
hAdmin.deleteTable(tableName);  
  
hbase配置文件在安装目录下的conf目录下

[皮皮blog][blog]

## hdfs dfs基本命令 ##

**1，-mkdir**  
创建目录  
Usage：hdfs dfs -mkdir \[-p\] < paths>  
选项：-p  
很像Unix mkdir -p，沿路径创建父目录。

2，-ls  
查看目录下内容，包括文件名，权限，所有者，大小和修改时间  
Usage：hdfs dfs -ls \[-R\] < args>  
选项：-R  
递归地显示子目录下的内容。

选项：-h

以k/m/G方式显示文件容量大小。

输出结果格式和linux系统上的ls命令差不多：\[  权限  \]\[连结\]\[拥有者\]\[群组\]\[文件容量bytes\]\[  修改日期 \]\[ 文件名\] \[[linux：文件及目录管理][linux]\]

**3，-put**  
将本地文件或目录上传到HDFS中的路径  
Usage：hdfs dfs -put < localsrc> … < dst>

Note: 如果put的路径不存在会出错提示找不到文件或目录。所以需要先mkdir -p。

上传文件：hadoop dfs -put local\_file hdfs\_file

上传多个文件到文件夹：hdfs dfs -put localfile1 localfile2 hadoopdir

上传整个文件夹: hadoop dfs -put local\_dir hdfs\_dir

3 如果不想直接put覆盖而是追加，则使用加appendToFile  
Usage: hdfs dfs -appendToFile <localsrc> ... <dst>

Append single src, or multiple srcs from local file system to the destination file system. Also reads input from stdin and appends to destination file system.

hdfs dfs -appendToFile localfile /user/hadoop/hadoopfile  
hdfs dfs -appendToFile localfile1 localfile2 /user/hadoop/hadoopfile  
hdfs dfs -appendToFile localfile hdfs://nn.example.com/hadoop/hadoopfile  
hdfs dfs -appendToFile - hdfs://nn.example.com/hadoop/hadoopfile Reads the input from stdin.  
Exit Code:

Note: 一般多次追加前，如果需要，则通过rm删除之前的文件。

3 上传本地文件到hive

\[[hive 中上传数据的三种方式][hive]\]

**4，-get**  
将文件或目录从HDFS中的路径拷贝到本地文件路径  
Usage：hdfs dfs -get \[-ignoreCrc\] \[-crc\] < src> < localdst>  
选项：  
\-ignorecrc选项复制CRC校验失败的文件。  
\-crc选项复制文件和CRC。

Note: 如果get的local文件存在，会出错提示文件已存在，所以要先删除：

if os.path.exists(local\_file):  
    os.remove(local\_file)

示例：

hdfs dfs -get hdfs\_file local\_dir

hdfs dfs -get hdfs\_dir local\_dir   \#此时会产生local\_dir/hdfs\_dir/文件s

hdfs dfs -get hdfs\_dir/\* local\_dir   \#此时会产生local\_dir/文件s

5，-du  
显示给定目录中包含的文件和目录的大小或文件的长度，用字节大小表示，文件名用完整的HDFS协议前缀表示，以防它只是一个文件。  
Usage：hdfs dfs -du \[-s\] \[-h\] URI \[URI …\]  
选项：  
\-s选项将显示文件长度的汇总摘要，而不是单个文件。  
\-h选项将以“人类可读”的方式格式化文件大小（例如64.0m而不是67108864）

6，-dus  
显示文件长度的摘要。  
Usage：hdfs dfs -dus < args>  
注意：不推荐使用此命令。而是使用hdfs dfs -du -s。

7，-mv  
在HDFS文件系统中，将文件或目录从HDFS的源路径移动到目标路径。不允许跨文件系统移动文件。  
Usage: hdfs dfs -mv URI \[URI …\] < dest>

8，-cp  
在HDFS文件系统中，将文件或目录复制到目标路径下  
Usage：hdfs dfs -cp \[-f\] \[-p | -p \[topax\] \] URI \[ URI …\] < dest>  
选项：  
\-f选项覆盖已经存在的目标。  
\-p选项将保留文件属性\[topx\]（时间戳，所有权，权限，ACL，XAttr）。如果指定了-p且没有arg，则保留时间戳，所有权和权限。如果指定了-pa，则还保留权限，因为ACL是一组超级权限。确定是否保留原始命名空间扩展属性与-p标志无关。

示例：hdfs dfs -cp hdfs://dir1 hdfs://dir2  \#将dir1中的目录全部cp到dir2，dir1目录名是没有的

9，-copyFromLocal  
从本地复制文件到hdfs文件系统（与-put命令相似）  
Usage: hdfs dfs -copyFromLocal < localsrc> URI  
选项：  
如果目标已存在，则-f选项将覆盖目标。

10，-copyToLocal  
复制hdfs文件系统中的文件到本地 （与-get命令相似）  
Usage: hdfs dfs -copyToLocal \[-ignorecrc\] \[-crc\] URI < localdst>

**11，-rm**  
删除一个文件或目录  
Usage：hdfs dfs -rm \[-f\] \[-r|-R\] \[-skipTrash\] URI \[URI …\]  
选项：  
如果文件不存在，-f选项将不显示诊断消息或修改退出状态以反映错误。  
\-R选项以递归方式删除目录及其下的任何内容。  
\-r选项等效于-R。  
\-skipTrash选项将绕过垃圾桶（如果已启用），并立即删除指定的文件。当需要从超配额目录中删除文件时，这非常有用。

**12，-cat**  
显示文件内容到标准输出上。  
Usage：hdfs dfs -cat URI \[URI …\]

随机返回指定行数的样本数据 hadoop fs -cat \*| shuf -n 5

返回前几行的样本数据 hadoop fs -cat \* | head -100

返回最后几行的样本数据 hadoop fs -cat \* | tail -5

查看文本行数 hadoop fs -cat \* |wc -l

13，-text  
Usage: hdfs dfs -text  
获取源文件并以文本格式输出文件。允许的格式为zip和TextRecordInputStream。

14，-touchz  
创建一个零长度的文件。  
Usage：hdfs dfs -touchz URI \[URI …\]

15，-stat  
显示文件所占块数(%b)，文件名(%n)，块大小(%n)，复制数(%r)，修改时间(%y%Y)。  
Usage：hdfs dfs -stat URI \[URI …\]

16，-tail  
显示文件的最后1kb内容到标准输出  
Usage：hdfs dfs -tail \[-f\] URI  
选项：  
\-f选项将在文件增长时输出附加数据，如在Unix中一样。

17，-count  
统计与指定文件模式匹配的路径下的目录，文件和字节数  
Usage: hdfs dfs -count \[-q\] \[-h\] < paths>

18，-getmerge  
将源目录和目标文件作为输入，并将src中的文件连接到目标本地文件（把两个文件的内容合并起来）  
Usage：hdfs dfs -getmerge < src> < localdst> \[addnl\]  
注：合并后的文件位于当前目录，不在hdfs中，是本地文件

19，-grep  
从hdfs上过滤包含某个字符的行内容  
Usage：hdfs dfs -cat < srcpath> | grep 过滤字段

\[[Apache Hadoop 2.4.1][]\]

\[[Hadoop hdfs dfs常用命令的使用][Hadoop hdfs dfs]\]

## 用户命令 ##

1、archive命令

(1).什么是Hadoop archives?  
Hadoop archives是特殊的档案格式。一个Hadoop archive对应一个文件系统目录。 Hadoop archive的扩展名是\*.har。Hadoop archive包含元数据(形式是\_index和\_masterindx)和数据文件(part-\*)。\_index文件包含了档案中的文件的文件名和位置信息。

(2).如何创建archive?  
用法：hadoop archive -archiveName NAME <src>\* <dest>  
命令选项：  
\-archiveName NAME 要创建的档案的名字。  
src 源文件系统的路径名。  
dest 保存档案文件的目标目录。  
范例：  
例1.将/user/hadoop/dir1和/user/hadoop/dir2归档到/user/zoo/文件系统目录下–/user/zoo/foo.har。  
hadoop@ubuntu:~/ hadoop archive -archiveName foo.har /user/hadoop/dir1 /user/hadoop/dir2 /user/zoo/  
当创建archive时，源文件foo.har不会被更改或删除。

(3).如何查看archives中的文件?  
archive作为文件系统层暴露给外界。所以所有的fs shell命令都能在archive上运行，但是要使用不同的URI。另外，archive是不可改变的。所以创建、重命名和删除都会返回错误。Hadoop Archives的URI是har://scheme-hostname:port/archivepath/fileinarchive。  
如果没提供scheme-hostname，它会使用默认的文件系统。这种情况下URI是这种形式har:///archivepath/fileinarchive。  
范例：  
例1.archive的输入是/dir，该dir目录包含文件filea和fileb，现把/dir归档到/user/hadoop/foo.bar。  
hadoop@ubuntu:~/ hadoop archive -archiveName foo.har /dir /user/hadoop  
例2.获得创建的archive中的文件列表  
hadoop@ubuntu:~/hadoop dfs -lsr har:///user/hadoop/foo.har  
例3.查看archive中的filea文件  
hadoop@ubuntu:~/hadoop dfs -cat har:///user/hadoop/foo.har/dir/filea

2、distcp  
说明：用于集群内部或者集群之间拷贝数据的常用命令(顾名思义: dist即分布式，分布式拷贝是也。)。  
用法：hadoop distcp \[选项\] src\_url dest\_url   
命令选项：  
\-m 表示启用多少map  
\-delete 删除已经存在的目标文件，不会删除源文件。这个删除是通过FS Shell实现的。所以如果垃圾回收机制启动的话，删除的目标文件会进入trash。  
\-i 忽略失败。这个选项会比默认情况提供关于拷贝的更精确的统计，同时它还将保留失败拷贝操作的日志，这些日志信息可以用于调试。最后，如果一个map失败了，但并没完成所有分块任务的尝试，这不会导致整个作业的失败。  
\-overwrite 覆盖目标。如果一个map失败并且没有使用-i选项，不仅仅那些拷贝失败的文件，这个分块任务中的所有文件都会被重新拷贝。 所以这就是为什么要使用-i参数。  
范例：  
例1.  
hadoop@ubuntu:~/ hadoop distcp "hdfs://A:8020/user/foo/bar" "hdfs://B:8020/user/foo/baz"

3、fs  
说明：运行一个常规的文件系统客户端。  
用法：hadoop fs \[GENERIC\_OPTIONS\] \[COMMAND\_OPTIONS\]  
各种命令选项可以参考HDFS Shell指南。

4、fsck  
说明：用来检查整个文件系统的健康状况，但是要注意它不会主动恢复备份缺失的block，这个是由NameNode单独的线程异步处理的。  
用法：hadoop fsck \[GENERIC\_OPTIONS\] \[-move|-delete|-openforwrite\] \[-files \[-blocks \[-locations | -racks\]\]\]  
参数选项：  
<path> 检查这个目录中的文件是否完整  
\-move 破损的文件移至/lost+found目录  
\-delete 删除破损的文件  
\-openforwrite 打印正在打开写操作的文件  
\-files 打印正在check的文件名  
\-blocks 打印block报告(需要和-files参数一起使用)  
\-locations 打印每个block的位置信息(需要和-files参数一起使用)  
\-racks 打印位置信息的网络拓扑图(需要和-files参数一起使用)  
范例：  
例1.  
hadoop@ubuntu:~/hadoop-1.1.1/bin$ hadoop fsck /  
Warning: $HADOOP\_HOME is deprecated.

FSCK started by hadoop from /192.168.11.156 for path / at Sat Dec 29 19:33:40 PST 2012  
.Status: HEALTHY  
Total size: 4 B  
Total dirs: 9  
Total files: 1  
Total blocks (validated): 1 (avg. block size 4 B)  
Minimally replicated blocks: 1 (100.0 %)  
Over-replicated blocks: 0 (0.0 %)  
Under-replicated blocks: 0 (0.0 %)  
Mis-replicated blocks: 0 (0.0 %)  
Default replication factor: 1 \#缺省的备份参数1  
Average block replication: 1.0  
Corrupt blocks: 0 \#破损的block数0  
Missing replicas: 0 (0.0 %)  
Number of data-nodes: 1  
Number of racks: 1  
FSCK ended at Sat Dec 29 19:33:40 PST 2012 in 4 milliseconds

The filesystem under path '/' is HEALTHY  
hadoop@ubuntu:~/hadoop-1.1.1/bin$

5、jar  
说明：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…  
范例：  
例1.在集群上运行Map Reduce程序，以WordCount程序为例  
hadoop jar /home/hadoop/hadoop-1.1.1/hadoop-examples.jar wordcount input output  
描述：  
hadoop jar：执行jar命令  
/home/hadoop/hadoop-1.1.1/hadoop-examples.jar: WordCount所在jar  
wordcount：程序主类名  
input output：输入输出文件夹

6、job  
说明：用于和Map Reduce作业交互和命令。  
用法：hadoop job \[GENERIC\_OPTIONS\] \[-submit \] | \[-status \] | \[-counter \] | \[-kill \] | \[-events <\#-of-events>\] | \[-history \[all\] \] | \[-list \[all\]\] | \[-kill-task \] | \[-fail-task \]  
参数选项：  
\-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 \[all\] ：-history 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。

7、pipes  
说明：运行pipes作业。  
用法：hadoop pipes \[-conf \] \[-jobconf , , ...\] \[-input \] \[-output \] \[-jar \] \[-inputformat \] \[-map \] \[-partitioner \] \[-reduce \] \[-writer \] \[-program \] \[-reduces \]  
参数选项：  
\-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

8、version  
说明：打印版本信息。  
用法：hadoop version

9、CLASSNAME  
说明：hadoop脚本可用于调用任何类。  
用法：hadoop CLASSNAME  
描述：运行名字为CLASSNAME的类。

## 管理命令 ##

hadoop集群管理员常用的命令。

1、balancer  
说明：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。  
用法：hadoop balancer \[-threshold \]  
参数选项：  
\-threshold <threshold>：磁盘容量的百分比。这会覆盖缺省的阀值。

2、daemonlog  
说明：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>  
参数选项：  
\-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>

3、datanode  
说明：运行一个HDFS的datanode。  
用法：hadoop datanode \[-rollback\]  
参数选项：  
\-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。

4、dfsadmin  
说明：运行一个HDFS的dfsadmin客户端。  
用法：hadoop dfsadmin \[GENERIC\_OPTIONS\] \[-report\] \[-safemode enter | leave | get | wait\] \[-refreshNodes\] \[-finalizeUpgrade\] \[-upgradeProgress status | details | force\] \[-metasave filename\] \[-setQuota ...\] \[-clrQuota ...\] \[-help \[cmd\]\]  
参数选项：  
\-report：报告文件系统的基本信息和统计信息。  
…

5、jobtracker  
说明：运行MapReduce job Tracker节点。  
用法：hadoop jobtracker

6、namenode  
说明：运行namenode。  
用法：hadoop namenode \[-format\] | \[-upgrade\] | \[-rollback\] | \[-finalize\] | \[-importCheckpoint\]  
参数选项：  
\-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。

7、secondarynamenode  
说明：运行HDFS的secondary namenode。  
用法：hadoop secondarynamenode \[-checkpoint \[force\]\] | \[-geteditsize\]  
参数选项：  
\-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。

8、tasktracker  
说明：运行MapReduce的task Tracker节点。  
用法：hadoop tasktracker

\[[hadoop命令详解][hadoop]\]

from: [ http://blog.csdn.net/pipisorry/article/details/51223877][blog.csdn.net_pipisorry_article_details_51223877]

ref:[hadoop高级命令详解][hadoop 1]

[Hadoop Shell命令r1.0.4 : fs shell使用指南][Hadoop Shell_r1.0.4 _ fs shell]

[Hadoop 2.7.2: FileSystem Shell][Hadoop 2.7.2_ FileSystem Shell]

[blog.csdn.net_pipisorry_article_details_51223877]: http://blog.csdn.net/pipisorry/article/details/51223877
[Center]: /images/20220724/e5c08c4a716d4125a8ddf9f32aeaac7b.png
[blog]: http://blog.csdn.net/pipisorry
[linux]: https://blog.csdn.net/pipisorry/article/details/39854265
[hive]: https://blog.csdn.net/qq_43192537/article/details/101194801
[Apache Hadoop 2.4.1]: https://hadoop.apache.org/docs/r2.4.1/hadoop-project-dist/hadoop-common/FileSystemShell.html
[Hadoop hdfs dfs]: https://www.cnblogs.com/tree1123/p/13440901.html
[hadoop]: http://www.cnblogs.com/linjiqin/p/3147856.html
[hadoop 1]: http://www.aboutyun.com/thread-14829-1-1.html
[Hadoop Shell_r1.0.4 _ fs shell]: http://hadoop.apache.org/docs/r1.0.4/cn/hdfs_shell.html
[Hadoop 2.7.2_ FileSystem Shell]: http://hadoop.apache.org/docs/r2.7.2/hadoop-project-dist/hadoop-common/FileSystemShell.html