hadoop Shell命令详解

bigdata

一、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。

二、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

调用文件系统(FS)Shell命令应使用bin/hadoop fs <args>的形式。所有的的FS shell命令使用URI路径作为参数。URI路径详解点击这里。

1、cat
说明：将路径指定文件的内容输出到stdout。
用法：hadoop fs -cat URI [URI …]
范例：
hadoop fs -cat hdfs://host1:port1/file1 hdfs://host2:port2/file2
hadoop fs -cat file:///file3/user/hadoop/file4
返回值：成功返回0，失败返回-1。

2、chgrp
说明：改变文件所属的组。使用-R将使改变在目录结构下递归进行。命令的使用者必须是文件的所有者或者超级用户。
用法：hadoop fs -chgrp [-R] GROUP URI [URI …]
范例：hadoop fs -chgrp -R hadoop /user/hadoop/

3、chmod
说明：改变文件的权限。使用-R将使改变在目录结构下递归进行。命令的使用者必须是文件的所有者或者超级用户。
用法：hadoop fs -chmod [-R] URI [URI …]
范例：hadoop fs -chmod -R 744 /user/hadoop/

4、chown
说明：改变文件的拥有者。使用-R将使改变在目录结构下递归进行。命令的使用者必须是超级用户。
用法：hadoop fs -chown [-R] [OWNER][:[GROUP]] URI [URI ]
范例：hadoop fs -chmod -R hadoop /user/hadoop/

5、copyFromLocal(本地到hdfs)
说明：除了限定源路径是一个本地文件外，和put命令相似。
用法：hadoop fs -copyFromLocal <localsrc> URI

6、copyToLocal(hdfs到本地)
说明：除了限定目标路径是一个本地文件外，和get命令类似。
用法：hadoop fs -copyToLocal [-ignorecrc] [-crc] URI <localdst>

7、cp
说明：将文件从源路径复制到目标路径。这个命令允许有多个源路径，此时目标路径必须是一个目录。
用法：hadoop fs -cp URI [URI …] <dest>
范例：
hadoop fs -cp /user/hadoop/file1 /user/hadoop/file2
hadoop fs -cp /user/hadoop/file1 /user/hadoop/file2 /user/hadoop/dir
返回值：成功返回0，失败返回-1。

8、du
说明：显示目录中所有文件的大小，或者当只指定一个文件时，显示此文件的大小。
用法：hadoop fs -du URI [URI …]
范例：
hadoop fs -du /user/hadoop/dir1 /user/hadoop/file1 hdfs://host:port/user/hadoop/dir1

查看hbase所有文件的大小
hadoop fs -du hdfs://master:54310/hbase

返回值：成功返回0，失败返回-1。

9、dus
说明：显示文件的大小。
用法：hadoop fs -dus <args>

10、expunge
说明：清空回收站。
用法：hadoop fs -expunge

11、get(hdfs到本地)
说明：复制文件到本地文件系统。可用-ignorecrc选项复制CRC校验失败的文件。使用-crc选项复制文件以及CRC信息。
用法：hadoop fs -get [-ignorecrc] [-crc] <src> <localdst>
范例：
hadoop fs -get /user/hadoop/file localfile
hadoop fs -get hdfs://host:port/user/hadoop/file localfile
返回值：成功返回0，失败返回-1。

12、getmerge
说明：接受一个源目录和一个目标文件作为输入，并且将源目录中所有的文件连接成本地目标文件。addnl是可选的，用于指定在每个文件结尾添加一个换行符。
用法：hadoop fs -getmerge <src> <localdst> [addnl]

13、ls
用法：hadoop fs -ls <args>
说明：
(1).如果是文件，则按照如下格式返回文件信息：
文件名 <副本数> 文件大小 修改日期 修改时间 权限 用户ID 组ID
(2).如果是目录，则返回它直接子文件的一个列表，就像在Unix中一样。目录返回列表的信息如下：
目录名 <dir> 修改日期 修改时间 权限 用户ID 组ID
范例：
hadoop fs -ls /user/hadoop/file1 /user/hadoop/file2 hdfs://host:port/user/hadoop/dir1 /nonexistentfile
返回值：成功返回0，失败返回-1。

14、lsr
用法：hadoop fs -lsr <args>
说明：ls命令的递归版本。类似于Unix中的ls -R。

15、mkdir
说明：接受路径指定的uri作为参数，创建这些目录。其行为类似于Unix的mkdir -p，它会创建路径中的各级父目录。
用法：hadoop fs -mkdir <paths>
范例：
hadoop fs -mkdir /user/hadoop/dir1 /user/hadoop/dir2
hadoop fs -mkdir hdfs://host1:port1/user/hadoop/dir hdfs://host2:port2/user/hadoop/dir
返回值：成功返回0，失败返回-1。

16、movefromLocal
说明：输出一个”not implemented“信息。
用法：dfs -moveFromLocal <src> <dst>

17、mv
说明：将文件从源路径移动到目标路径。这个命令允许有多个源路径，此时目标路径必须是一个目录。不允许在不同的文件系统间移动文件。
用法：hadoop fs -mv URI [URI …] <dest>
范例：
hadoop fs -mv /user/hadoop/file1 /user/hadoop/file2
hadoop fs -mv hdfs://host:port/file1 hdfs://host:port/file2 hdfs://host:port/file3 hdfs://host:port/dir1
返回值：成功返回0，失败返回-1。

18、put
说明：从本地文件系统中复制单个或多个源路径到目标文件系统。也支持从标准输入中读取输入写入目标文件系统。
用法：hadoop fs -put <localsrc> … <dst>
范例：
hadoop fs -put localfile /user/hadoop/hadoopfile
hadoop fs -put localfile1 localfile2 /user/hadoop/hadoopdir
hadoop fs -put localfile hdfs://host:port/hadoop/hadoopfile
hadoop fs -put – hdfs://host:port/hadoop/hadoopfile
从标准输入中读取输入。
返回值：成功返回0，失败返回-1。

19、rm
说明：删除指定的文件。只删除非空目录和文件。请参考rmr命令了解递归删除。
用法：hadoop fs -rm URI [URI …]
范例：
hadoop fs -rm hdfs://host:port/file /user/hadoop/emptydir
返回值：成功返回0，失败返回-1。

20、rmr
说明：delete的递归版本。
用法：hadoop fs -rmr URI [URI …]
范例：
hadoop fs -rmr /user/hadoop/dir
hadoop fs -rmr hdfs://host:port/user/hadoop/dir
返回值：成功返回0，失败返回-1。

21、setrep
说明：改变一个文件的副本系数。-R选项用于递归改变目录下所有文件的副本系数。
用法：hadoop fs -setrep [-R] <path>
范例：
hadoop fs -setrep -w 3 -R /user/hadoop/dir1
返回值：成功返回0，失败返回-1。

22、stat
说明：返回指定路径的统计信息。
用法：hadoop fs -stat URI [URI …]
范例：
hadoop fs -stat path
返回值：成功返回0，失败返回-1。

23、tail
用法：将文件尾部1K字节的内容输出到stdout。支持-f选项，行为和Unix中一致。
用法：hadoop fs -tail [-f] URI
范例：
hadoop fs -tail pathname
返回值：成功返回0，失败返回-1。

24、test
用法：hadoop fs -test -[ezd] URI
选项：
-e 检查文件是否存在。如果存在则返回0。
-z 检查文件是否是0字节。如果是则返回0。
-d 如果路径是个目录，则返回1，否则返回0。
范例：
hadoop fs -test -e filename

25、text
说明：将源文件输出为文本格式。允许的格式是zip和TextRecordInputStream。
用法：hadoop fs -text <src>

26、touchz
说明：创建一个0字节的空文件。
用法：hadoop fs -touchz URI [URI …]
范例：
hadoop -touchz pathname
返回值：成功返回0，失败返回-1。