使用hdfs-mount挂载HDFS

目录

• 一、特性(计划)简介
• 二、构建程序
• 三、使用hdfs-mount挂载HDFS

hdfs-mount是一个将HDFS挂载为本地Linux文件系统的工具，使用go语言开发，不依赖libdfs和java虚拟机。它容许将远程HDFS做为本地Linux文件系统挂载，并容许任意应用程序或shell脚本以高效和安全的方式访问HDFS做为普通文件和目录。

一、特性(计划)简介

如下翻译自 hdfs-mount/README.md

• 高性能
  • 使用protocol buffers协议直接链接HDFS和Linux内核FUSE接口（无需Java虚拟机）
  • 针对吞吐量密集型工做负载进行设计和优化（尽量以延迟交换吞吐量）
  • 彻底流式传输和自动预读支持
  • 并发操做
  • 在内存中缓存元数据 (速度很是快 l!)
• 高稳定性和强大的故障处理行为
  • 自动重试和故障转移，所有可配置
  • 可选的延迟挂载, 在 HDFS 可用以前
• 读写操做都支持
  • 支持随机写入[慢，但功能正确]
  • 支持文件截断
• （可选）扩展ZIP存档，并根据须要提取内容
  • 这为”数百万个小文件在HDFS上“(millions of small files on HDFS)问题提供了有效的解决方案
• 对CoreOS和Docker友好
  • 可选择打包为静态连接的独立可执行文件

二、构建程序

个人系统环境是CentOS 7.0 x86_64，如下全部操做都是基于此。

先安装编译所需的必要工具软件：

yum install make golang

而后下载hdfs-mount的源码回来，源码仓库地址:https://github.com/microsoft/hdfs-mount.git

git clone https://github.com/microsoft/hdfs-mount.git

而后就能够编译了，先进入源码目录

# 进入源码根目录
cd hdfs-mount
# 执行构建
make

编译的过程当中由于要下载依赖（bazil/fuse、x/net/context、protobuf/proto），因此须要保持网络通畅。

三、使用hdfs-mount挂载HDFS

由于hdfs-mount基于FUSE(用户空间文件系统)框架设计，因此须要先安装fuse内核模块，并加载（若是没有加载fuse内核模块，则没法hdfs-mount操做时候将失败，并提示加载）。

# 安装fuse模块
sudo yum install fuse
# 加载fuse模块
sudo modprobe fuse

而后就可使用hdfs-mount进行HDFS的挂载了，挂载后可使用dd命令进行一下读写速度测试。

# 挂载，由于hdfs-mount并不会后台运行，因此使用&放入后台
sudo ./hdfs-mount 192.168.0.32:9000 /mnt/hdfs &
# 测试一下读取速度
dd bs=64k if=/mnt/hdfs/test.img of=/dev/null
记录了24421+1 的读入
记录了24421+1 的写出
1600485903字节(1.6 GB)已复制，9.56565 秒，167 MB/秒

hdfs-mount的一些命令行参数以下，更多细节可执行hdfs-mount --help查看。

# 查看使用帮助信息
./hdfs-mount --help
# 挂载必要选项:  HDFS名字节点 端口  挂载位置
./hdfs-mount      NameNode:Port MountPoint 

# 下面是一些可选参数
-allowedPrefixes string
   # 容许的前缀字符串，以逗号分隔的远程HDFS上容许访问的路径前缀列表，若是指定了，挂载点将仅公开对这些前缀路径的访问(默认*)
-expandZips
   # 实现zip文件的自动展开（访问zip包内部文件）
-fuse.debug
   # 日志输出FUSE处理的线性信息
-lazy
   # 延迟加载，容许在HDFS就绪前挂载HDFS文件系统
-logLevel int
   # 日志输出级别控制。0：仅fatal/err日志；1：+warning日志；2：+info日志
-readOnly
   # 启用只读挂载
-retryMaxAttempts int
   # 失败操做的最大重试次数（默认99999999）
-retryMaxDelay    duration
   # 两次重试之间的最大延时（默认1分0秒）
-retryMinDelay    duration
   # 两次重试之间的最小延时（注意，第一次重试老是当即进行）（默认为1秒）
-retryTimeLimit   duration
   # 失败操做的全部重试尝试的时间限制 (默认为 5分0秒)