Hadoop 常用命令

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

描述

—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和管理命令两组。

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

指定应用程序的配置文件。

-D

为指定property指定值value。

-fs

指定namenode。

-jt

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。

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]

具体的 GENERIC_OPTIONS 可以参考官方文档
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

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

提交作业

-status

打印map和reduce完成百分比和所有计数器。

-counter

打印计数器的值。

-kill

杀死指定作业。

-events <#-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

杀死任务。被杀死的任务不会不利于失败尝试。

-fail-task

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

作业的配置

-jobconf , , …

增加/覆盖作业的配置项

-input

输入目录

-output

输出目录

-jar

Jar文件名

-inputformat

InputFormat类

-map

Java Map类

-partitioner

Java Partitioner

-reduce

Java Reduce类

-writer

Java RecordWriter

-program

可执行程序的URI

-reduces

reduce个数

version

打印版本信息。
用法：hadoop version

CLASSNAME

hadoop 脚本可用于调用任何类。
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

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> hadoop daemonlog -setlevel <host:port> <name> <level>

命令选项

描述

-getlevel

打印运行在的守护进程的日志级别。这个命令内部会连接 http:///logLevellog=

-setlevel

设置运行在的守护进程的日志级别。这个命令内部会连接 http:///logLevellog=

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文件。对于下面的每一项，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 …

为每个目录设定配额。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 …

为每一个目录清除配额设定。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。
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。
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

Hadoop系列之Hadoop 常用命令(3)

Hadoop 常用命令

常规选项

用户命令

archive

distcp

fs

fsck

jar

job

pipes

version

CLASSNAME

管理命令

balancer

daemonlog

datanode

dfsadmin

jobtracker

namenode

secondarynamenode

tasktracker