大数据技术之Hadoop分布式文件系统HDFS系统知识整理（从入门到熟练操作）

一、HDFS概述

1.1 HDFS产生背景

  随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统。HDFS只是分布式文件管理系统中的一种

1.2 HDFS定义

  HDFS（Hadoop Distributed File System），它是一个文件系统，用于存储文件，通过目录树来定位文件。其次，他是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色

1.3 HDFS使用场景

1. 适合一次写入，多次读出的场景，且不支持文件的修改
2. 适合用来做数据分析，并不适合用来做网盘应用

1.4 HDFS优缺点

1.4.1 优点

1. 高容错性
   ①：数据自动保存多个副本。它通过增加副本的形式，提高容错性
   ②：某一个副本丢失以后，它可以自动恢复
2. 适合处理大数据
   ①：数据规模：能够处理数据规模达到GB、TB、甚至PB级别的数据
   ②：文件规模：能够处理百万规模以上的文件数量，数量相当之大
3. 可构建在廉价机器上，通过多副本机制，提高可靠性

1.4.2 缺点

1. 不适合低延时数据访问，比如毫秒级的存储数据，是做不到的
2. 无法高效的对大量小文件进行存储
   ①：如存储大量小文件，它会占用NameNode大量的内存来存储文件目录和块信息。这样是不可取的，因为NameNode的内存总是有限的
   ②：小文件存储的寻址时间会超过读取时间，它违反了HDFS的设计目标
3. 不支持并发写入，文件随机修改
   ①：一个文件只能有一个写，不允许多个线程同时写
   ②：仅支持数据append（追加），不支持文件的修改

1.5 HDFS组成架构

1. NameNode（nn）：就是Master，它是一个主管、管理者
   ①：管理HDFS的名称空间
   ②：设置副本策略
   ③：管理数据块（Block）映射信息
   ④：处理客户端读写请求
2. DataNode：就是Slave。NameNode下达命令，DataNode执行实际的操作
   ①：存储实际的数据库
   ②：执行数据块的读/写操作
3. Client：客户端
   ①：文件切分。文件上传HDFS的时候，Client将文件切分成一个一个的Block，然后进行上传
   ②：与NameNode交互，读取或者写入位置信息
   ③：与DataNode交互，读取或写入数据
   ④：Client提供一些命令来管理HDFS，比如NameNode格式化
   ⑤：Client可以通过一些命令来访问HDFS，比如对HDFS增删改查操作
4. Secondary NameNode：并非NameNode的热备份。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务
   ①：辅助NameNode，分担其工作量，比如定期合并Fsimage和Edits，并推送给NameNode
   ②：在紧急情况下，可以辅助恢复NameNode

1.6 HDFS文件块大小

1. HDFS中的文件在物理上是分块存储，块的大小可以通过配置参数来规定，默认大小在Hadoop2.x版本中是128M，老版本中是64M
2. 如果寻址时间约为10ms，即查找到目标Block的时间为10ms
3. 寻址时间为传输时间的1%时，则为最佳状态。因此，传输时间=10ms/0.01=1000ms=1s
4. 而目前磁盘的传输速率普遍为100MB/s

二、HDFS的Shell操作

     注：所有操作均在Hadoop根目录下操作

1. 启动Hadoop集群

sbin/start-dfs.sh
sbin/start-yarn.sh

2. -help：输出这个命令参数

hadoop fs -help rm

3. -ls：显示目录信息

hadoop fs -ls /

4. -mkdir：在HDFS上创建目录

hadoop fs -mkdir -p /IronmanJay/people

5. -moveFromLocal：从本地剪切粘贴到HDFS

# 创建一个测试文件
touch zhangsan.txt
# 从本地剪切粘贴到HDFS
hadoop fs  -moveFromLocal  ./zhangsan.txt  /IronmanJay/people

6. -appendToFile：追加一个文件到已经存在的文件末尾

# 创建一个测试文件
touch lisi.txt
# 输入测试文件内容
wo shi da hao ren
# 追加一个文件到已经存在的文件末尾
hadoop fs -appendToFile lisi.txt /IronmanJay/people/zhangsan.txt

7. -cat：显示文件内容

hadoop fs -cat /IronmanJay/people/zhangsan.txt

8. -chgrp 、-chmod、-chown：与Linux文件系统中的用法一样，修改文件所属权限

# 修改权限
hadoop fs  -chmod  666  /IronmanJay/people/zhangsan.txt
# 修改所属用户
hadoop fs  -chown  IronmanJay:IronmanJay   /IronmanJay/people/zhangsan.txt

9. -copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

hadoop fs -copyFromLocal README.txt /

10. -copyToLocal：从HDFS拷贝到本地

hadoop fs -copyToLocal /IronmanJay/people/zhangsan.txt ./

11. -cp ：从HDFS的一个路径拷贝到HDFS的另一个路径

hadoop fs -cp /IronmanJay/people/zhangsan.txt /newzhangsan.txt

12. -mv：在HDFS目录中移动文件

hadoop fs -mv /newzhangsan.txt /IronmanJay/IronmanJay/

13. -get：等同于copyToLocal，就是从HDFS下载文件到本地

hadoop fs -get /IronmanJay/people/zhangsan.txt ./

14. -getmerge：合并下载多个文件，比如HDFS的目录 /user/IronmanJay/test下有多个文件:log.1, log.2,log.3,…

hadoop fs -getmerge /user/IronmanJay/test/* ./merge.txt

15. -put：等同于copyFromLocal

hadoop fs -put ./merge.txt /user/IronmanJay/test/

16. -tail：显示一个文件的末尾

hadoop fs -tail /IronmanJay/people/zhangsan.txt

17. -rm：删除文件或文件夹

hadoop fs -rm /user/IronmanJay/test/wangwu.txt

18. -rmdir：删除空目录

hadoop fs -mkdir /test
hadoop fs -rmdir /test

19. -du：统计文件夹的大小信息

hadoop fs -du -s -h /user/IronmanJay/test

20. -setrep：设置HDFS中文件的副本数量（注：这里设置的副本数只是记录在NameNode的元数据中，是否真的会有这么多副本，还得看DataNode的数量。因为目前只有3台设备，最多也就3个副本，只有节点数的增加到10台时，副本数才能达到10）

hadoop fs -setrep 10 /IronmanJay/people/zhangsan.txt

三、HDFS客户端操作

3.1 HDFS客户端环境准备

1. 根据自己电脑的操作系统拷贝对应的编译后的Hadoop的Jar包，提取码：iflc到非中文路径
   

2. 配置HADOOP_HOME环境变量
   

3. 配置Path环境变量
   

4. 创建一个Maven工程HdfsClient
   

5. 导入相应的依赖坐标+日志添加

   扫描二维码关注公众号，回复： 11579799 查看本文章

<dependencies>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>RELEASE</version>
        </dependency>
        <dependency>
            <groupId>org.apache.logging.log4j</groupId>
            <artifactId>log4j-core</artifactId>
            <version>2.8.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.7.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.7.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.7.2</version>
        </dependency>
        <dependency>
            <groupId>jdk.tools</groupId>
            <artifactId>jdk.tools</artifactId>
            <version>1.8</version>
            <scope>system</scope>
            <!-- 注意这里改成你自己的路经 -->
            <systemPath>D:/Software/Java/jdk1.8.0_131/lib/tools.jar</systemPath>
        </dependency>
    </dependencies>

6. 在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入如下内容

log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

7. 创建HdfsClient类，首先测试连接

// 测试连接
    public static void main(String[] args) throws IOException, URISyntaxException, InterruptedException {

        Configuration conf = new Configuration();
        
        // 配置在集群上运行
        conf.set("fs.defaultFS", "hdfs://hadoop102:9000");

        // 1、获取hdfs客户端
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");

        // 2、在hdfs上创建路径
        fs.mkdirs(new Path("/IronmanJay/BaiRui/HaiZi/WeiLai"));

        // 3、关闭资源
        fs.close();

        System.out.println("over");

    }

8. 执行程序，运行时需要配置用户名称，客户端去操作HDFS时，是有一个用户身份的。默认情况下，HDFS客户端API会从JVM中获取一个参数来作为自己的用户身份：-DHADOOP_USER_NAME=IronmanJay，IronmanJay为用户名称
   

3.2 HDFS的API操作

3.2.1 HDFS文件上传

// 文件上传
    @Test
    public void testCopyFromLocalFile() throws URISyntaxException, IOException, InterruptedException {
        // 1、获取fs对象
        Configuration conf = new Configuration();
        conf.set("dfs.replication", "2");
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");

        // 2、执行上传API
        fs.copyFromLocalFile(new Path("D:/test.txt"), new Path("/test2.txt"));

        // 3、关闭资源
        fs.close();
    }

3.2.2 HDFS文件下载

 // 文件下载
    @Test
    public void testCopyToLocalFile() throws URISyntaxException, IOException, InterruptedException {
        // 1、获取fs对象
        Configuration conf = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");

        // 2、执行下载操作
        fs.copyToLocalFile(false, new Path("/test.txt"), new Path("d:/text3.txt"), true);

        // 3、关闭资源
        fs.close();
    }

3.2.3 HDFS文件夹删除

// 文件夹删除
    @Test
    public void testDelete() throws URISyntaxException, IOException, InterruptedException {
        // 1、获取fs对象
        Configuration conf = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");

        // 2、执行删除操作
        fs.delete(new Path("/IronmanJay"), true);

        // 3、关闭资源
        fs.close();
    }

3.2.4 HDFS文件名更改

// 修改文件名称
    @Test
    public void testRename() throws URISyntaxException, IOException, InterruptedException {
        // 1、获取fs对象
        Configuration conf = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");

        // 2、执行更名操作
        fs.rename(new Path("/test.txt"), new Path("/test3.txt"));

        // 3、关闭资源
        fs.close();
    }

3.2.5 HDFS文件详情查看

// 查看文件详情(查看文件名称、权限、长度、块信息)
    @Test
    public void testListFiles() throws URISyntaxException, IOException, InterruptedException {

        // 1、获取fs对象
        Configuration conf = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");

        // 2、查看文件详情
        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);

        while (listFiles.hasNext()) {
            LocatedFileStatus fileStatus = listFiles.next();
            // 获取文件名称
            System.out.println(fileStatus.getPath().getName());
            // 获取文件权限
            System.out.println(fileStatus.getPermission());
            // 获取文件长度
            System.out.println(fileStatus.getLen());
            // 获取块的信息
            BlockLocation[] blockLocations = fileStatus.getBlockLocations();
            for (BlockLocation blockLocation : blockLocations) {
                String[] hosts = blockLocation.getHosts();
                for (String host : hosts) {
                    System.out.println(host);
                }
            }
            System.out.println("----------分割线----------");
        }
        // 3、关闭资源
        fs.close();

    }

3.3 HDFS的I/O流操作

3.3.1 HDFS文件上传

 // I/O流操作文件上传
    @Test
    public void putFileToHDFS() throws URISyntaxException, IOException, InterruptedException {
        // 1、获取fs对象
        Configuration conf = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");

        // 2、获取输入流
        FileInputStream fis = new FileInputStream(new File("D:/banhua.txt"));

        // 3、获取输出流
        FSDataOutputStream fos = fs.create(new Path("/banzhang.txt"));

        // 4、流的对拷
        IOUtils.copyBytes(fis, fos, conf);

        // 5、关闭资源
        IOUtils.closeStream(fos);
        IOUtils.closeStream(fis);
        fs.close();


    }

3.3.2 HDFS文件下载

// I/O流操作文件下载
    @Test
    public void getFileFromHDFS() throws URISyntaxException, IOException, InterruptedException {
        // 1、获取fs对象
        Configuration conf = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), conf, "root");

        // 2、获取输入流
        FSDataInputStream fis = fs.open(new Path("/banzhang.txt"));

        // 3、获取输出流
        FileOutputStream fos = new FileOutputStream(new File("D:/banzhang.txt"));

        // 4、流的对拷
        IOUtils.copyBytes(fis, fos, conf);

        // 5、关闭资源
        IOUtils.closeStream(fos);
        IOUtils.closeStream(fis);
        fs.close();

    }

四、HDFS的数据流

4.1 HDFS写数据流程

4.1.1 HDFS文件写数据流程

1. 客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已经存在，父目录是否存在
2. NameNode返回是否可以上传
3. 客户端请求第一个Block上传到哪几个DataNode服务器上
4. 客户端通过FSDataOutPutStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成
5. dn1、dn2、dn3逐级应答客户端
6. 客户端开始往dn1上传第一个Block（先从磁盘读取数据放到一个本地内存缓冲），以Packet为单位，dn1收到一个Pactet就会传给dn2，dn2传给dn3；dn1每传一个Packet会放入一个应答队列等待应答
7. 当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器。（重复执行3-7步）

4.1.2 机架感知

1. 机架感知官方说明

For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on one node in the local rack, another on a different node in the local rack, and the last on a different node in a different rack.

2. Hadoop2.7.2副本节点选择
   
   ①：第一个副本在Client所处的节点上，如果客户端在集群外，随机选一个
   ②：第二个副本和第一个副本位于相同机架，随机节点
   ③：第三个副本位于不同机架，随机节点

4.2 HDFS读数据流程

1. 客户端通过Distributed FileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址
2. 挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据
3. DataNode开始传输数据给客户端（从磁盘里面读取数据流，以Packet为单位来做校验）
4. 客户端以Packet为单位接收，先在本地缓存，然后写入目标文件

五、NameNode和SecondaryNameNode

5.1 NN和2NN工作机制

1. 第一阶段：NameNode启动
   ①：第一次启动NameNode格式化后，创建Fsimage和Edits。如不是第一次启动，加载编辑日志和镜像文件到内存
   ②：客户端对元数据进行增删改的请求
   ③：NameNode记录操作日志，更新滚动日志
   ④：NameNode再内存中对数据进行增删改
2. 第二阶段：Secondary NameNode工作
   ①：Secondary NameNode询问NameNode是否需要CheckPoint。直接带回NameNode是否检查结果
   ②：Secondary NameNode请求执行CheckPoint
   ③：NameNode滚动正在写的Edits日志
   ④：将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode
   ⑤：Secondary NameNode加载编辑日志和镜像文件到内存，并合并
   ⑥：生成新的镜像文件fsimage.chkpoint
   ⑦：拷贝fsimage.chkpoint到NameNode
   ⑧：NameNode将fsimage.chkpoint重新命名成fsimage

5.2 Fsimage和Edits解析

     NameNode被格式化之后，将在opt/module/hadoop-2.7.2/data/temp/dfs/name/current目录中产生如下文件

fsimage_0000000000000000000
fsimage_0000000000000000000.md5
seen_txid
VERSION

1. Fsimage文件：HDFS文件系统元数据的一个永久性的检查点，其中包含HDFS文件系统的所有目录和文件inode的序列化信息
2. Edits文件：存放HDFS文件系统的所有更新操作的路经，文件系统客户端执行的所有写操作首先会被记录到Edits文件中
3. seen_txid文件保存的是一个数字，就是最后一个edits_的数字
4. 每次NameNode启动的时候都会将Fsimage文件读入内存，加载Edits里面的更新操作，保证内存中的元数据信息是最新的、同步的，可以看成NameNode启动的时候就将Fsimage和Edits文件进行了合并

5.3 CheckPoint时间设置

1. 通常情况下，SecondaryNameNode每隔一小时执行一次，在hdfs-default.xml设置

<property>
  <name>dfs.namenode.checkpoint.period</name>
  <value>3600</value>
</property>

2. 设置一分钟检查一次操作次数，当操作次数达到1百万时，SecondaryNameNode执行一次

<property>
  <name>dfs.namenode.checkpoint.txns</name>
  <value>1000000</value>
  <description>操作动作次数</description>
</property>

<property>
  <name>dfs.namenode.checkpoint.check.period</name>
  <value>60</value>
  <description> 1分钟检查一次操作次数</description>
</property >

5.4 NameNode故障处理

     NameNode故障后，可以采用如下两种方法恢复数据
     方法一：将SecondaryNameNode中数据拷贝到NameNode存储数据的目录

1. 杀死NameNode进程

kill -9 NameNode进程序号

2. 删除NameNode存储的数据

rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*

3. 拷贝SecondaryNameNode中数据到原NameNode存储数据目录

scp -r IronmanJay@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary/* ./name/

4. 重新启动NameNode

sbin/hadoop-daemon.sh start namenode

     方法二：使用-importCheckpoint选项启动NameNode守护进程，从而将SecondaryNameNode中数据拷贝到NameNode目录中

1. 修改hdfs-site.xml中的

<property>
  <name>dfs.namenode.checkpoint.period</name>
  <value>120</value>
</property>

<property>
  <name>dfs.namenode.name.dir</name>
  <value>/opt/module/hadoop-2.7.2/data/tmp/dfs/name</value>
</property>

2. 杀死NameNode进程

kill -9 NameNode进程序号

3. 删除NameNode存储的数据

rm -rf /opt/module/hadoop-2.7.2/data/tmp/dfs/name/*

4. 如果SecondaryNameNode不和NameNode在一个主机节点上，需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录，并删除in_use.lock文件

[IronmanJay@hadoop102 dfs]$ scp -r IronmanJay@hadoop104:/opt/module/hadoop-2.7.2/data/tmp/dfs/namesecondary ./

[IronmanJay@hadoop102 namesecondary]$ rm -rf in_use.lock

[IronmanJay@hadoop102 dfs]$ pwd
/opt/module/hadoop-2.7.2/data/tmp/dfs

[IronmanJay@hadoop102 dfs]$ ls
data  name  namesecondary

5. 导入检查点数据（等待一会ctrl+c结束掉）

bin/hdfs namenode -importCheckpoint

6. 启动NameNode

sbin/hadoop-daemon.sh start namenode

5.5 集群安全模式

5.5.1 概述

1. NameNode启动
   NameNode启动时，首先将镜像文件（Fsimage）载入内存，并执行编辑日志（Edits）中的各项操作。一旦在内存中成功建立文件系统元数据的映像，则创建一个新的Fsimage文件和一个空的编辑日志。此时，NameNode开始监听DataNode请求。在这个过程期间，NameNode一直运行在安全模式，即NameNode的文件系统对于客户端来说只是只读的
2. DataNode启动
   系统中的数据块的位置并不是由NameNode维护的，而是以块列表的形式存储在DataNode中。在系统的正常操作期间，NameNode会在内存中保留所有块位置的映射信息。在安全模式下，各个DataNode会向NameNode发送最新的块列表信息，NameNode了解到足够多的块位置信息之后，即可高效运行文件系统。
3. 安全模式退出判断
   如果满足“最小副本条件”，NameNode会在30秒之后就退出安全模式。最小副本条件指的是在整个文件系统中99.9%的块满足最小副本级别（默认值：dfs.replication=1）。在启动一个刚刚格式化的HDFS集群时，因为系统中还没有任何块，所以NameNode不会进入安全模式

5.5.2 基本语法

     集群处于安全模式，不能执行重要操作（写操作）。集群启动完成后，自动退出安全模式

1. bin/hdfs dfsadmin -safemode get         （功能描述：查看安全模式状态）
2. bin/hdfs dfsadmin -safemode enter      （功能描述：进入安全模式状态）
3. bin/hdfs dfsadmin -safemode leave      （功能描述：离开安全模式状态）
4. bin/hdfs dfsadmin -safemode wait        （功能描述：等待安全模式状态）

5.6 NameNode多目录配置

1. NameNode的本地目录可以配置成多个，且每个目录存放内容相同，增加了可靠性
2. 具体配置如下
   ①：在hdfs-site.xml文件中增加如下内容

<property>
    <name>dfs.namenode.name.dir</name>
	<value>file:///${hadoop.tmp.dir}/dfs/name1,file:///${hadoop.tmp.dir}/dfs/name2</value>
</property>

         ②：停止集群，删除data和logs中的所有数据

rm -rf data/ logs/

         ③：格式化集群并启动

# 格式化集群
bin/hdfs namenode –format
# 启动集群
sbin/start-dfs.sh

         ④：查看结果

[IronmanJay@hadoop102 dfs]$ ll
总用量 12
drwx------. 3 IronmanJay IronmanJay 4096 2月 17 04:01 data
drwxrwxr-x. 3 IronmanJay IronmanJay 4096 2月 17 04:01 name1
drwxrwxr-x. 3 IronmanJay IronmanJay 4096 2月 17 04:01 name2

六、DataNode

6.1 DataNode工作机制

1. 一个数据块在DataNode上以文件形式存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据包括数据块的长度，快数据的校验和，以及时间戳
2. DataNode启动后向NameNode注册，通过后，周期性（1小时）的向NameNode上报所有的块信息
3. 心跳是每3秒一次，心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器，或删除某个数据块。如果超过10分钟没有收到某个DataNode的心跳，则认为该节点不可用
4. 集群运行中可以安全加入和退出一些机器

6.2 数据完整性

1. 当DataNode读取Block的时候，它会计算CheckSum
2. 如果计算后的CheckSum与Block创建时值不一样，说明Block已经损坏
3. Client读取其他DataNode上的Block
4. DataNode在其文件创建后周期验证CheckSum

6.3 服役新数据节点

1. 环境准备
   ①：在hadoop104主机上再克隆一台hadoop105主机
   ②：修改IP地址和主机名称
   ③：删除原来HDFS文件系统留存的文件（/opt/module/hadoop-2.7.2/data和log）
   ④：source一下配置文件

source /etc/profile

2. 服役新节点具体步骤
   ①：直接启动DataNode，即可关联到集群

sbin/hadoop-daemon.sh start datanode
sbin/yarn-daemon.sh start nodemanager

         ②：在web界面查看是否成功

         ③：如果数据不均衡，可以用命令实现集群的再平衡

./start-balancer.sh

6.4 退役旧数据节点

6.4.1 添加白名单

    添加到白名单的主机节点，都允许访问NameNode，不在白名单的主机节点，都会被退出，具体步骤如下

1. 在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts文件

vi dfs.hosts

2. 添加如下主机名称（不添加hadoop105）

hadoop102
hadoop103
hadoop104

3. 在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性

<property>
	<name>dfs.hosts</name>
	<value>/opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts</value>
</property>

4. 配置文件分发

xsync hdfs-site.xml

5. 刷新NameNode

hdfs dfsadmin -refreshNodes

6. 更新ResourceManager节点

yarn rmadmin -refreshNodes

7. 在web界面查看是否成功
   
8. 如果数据不均衡，可以用命令实现集群的再平衡

./start-balancer.sh

6.4.2 黑名单退役

    在黑名单上面的主机都会被强制退出，具体步骤如下

1. 在NameNode的/opt/module/hadoop-2.7.2/etc/hadoop目录下创建dfs.hosts.exclude文件

vi dfs.hosts.exclude

2. 添加如下主机名称（要退役的节点）

hadoop105

3. 在NameNode的hdfs-site.xml配置文件中增加dfs.hosts.exclude属性

<property>
	<name>dfs.hosts.exclude</name>
    <value>/opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts.exclude</value>
</property>

4. 刷新NameNode、刷新ResourceManager

hdfs dfsadmin -refreshNodes

5. 检查Web浏览器，退役节点的状态为decommission in progress（退役中）
   
6. 等待退役节点状态为decommissioned（所有块已经复制完成），停止该节点及节点资源管理器。注意：如果副本数是3，服役的节点小于等于3，是不能退役成功的，需要修改副本数后才能退役
   
7. 如果数据不均衡，可以用命令实现集群的再平衡

./start-balancer.sh

8. 注意：不允许白名单和黑名单中同时出现同一个主机名称