前言

  上一篇详细介绍了HDFS集群,还有操作HDFS集群的一些命令,常用的命令:

    hdfs dfs -ls xxx 
    hdfs dfs -mkdir -p /xxx/xxx 
    hdfs dfs -cat xxx 
    hdfs dfs -put local cluster 
    hdfs dfs -get cluster local 
    hdfs dfs -cp /xxx/xxx /xxx/xxx 
    hdfs dfs -chmod -R 777 /xxx 
    hdfs dfs -chown -R zyh:zyh /xxx

  注意:这里要说明一下-cp,我们可以从本地文件拷贝到集群,集群拷贝到本地,集群拷贝到集群。

一、Hadoop客户端配置

  其实在前面配置的每一个集群节点都可以做一个Hadoop客户端。但是我们一般都不会拿用来做集群的服务器来做客户端,需要单独的配置一个客户端。

1)安装JDK

2)安装Hadoop

3)客户端配置子core-site.xml

  

4)客户端配置之mapred-site.xml

  

5)客户端配置之yarn-site.xml

  

以上就搭建了一个Hadoop的客户端

二、Java访问HDFS集群

2.1、HDFS的Java访问接口 

  1)org.apache.hadoop.fs.FileSystem
    是一个通用的文件系统API,提供了不同文件系统的统一访问方式。
  2)org.apache.hadoop.fs.Path
    是Hadoop文件系统中统一的文件或目录描述,类似于java.io.File对本地文件系统的文件或目录描述。
  3)org.apache.hadoop.conf.Configuration
    读取、解析配置文件(如core-site.xml/hdfs-default.xml/hdfs-site.xml等),或添加配置的工具类
  4)org.apache.hadoop.fs.FSDataOutputStream
    对Hadoop中数据输出流的统一封装
  5)org.apache.hadoop.fs.FSDataInputStream
    对Hadoop中数据输入流的统一封装

2.2、Java访问HDFS主要编程步骤 

    1)构建Configuration对象,读取并解析相关配置文件
    Configuration conf=new Configuration();
  2)设置相关属性
    conf.set("fs.defaultFS","hdfs://1IP:9000");
  3)获取特定文件系统实例fs(以HDFS文件系统实例)
    FileSystem fs=FileSystem.get(new URI("hdfs://IP:9000"),conf,“hdfs");
  4)通过文件系统实例fs进行文件操作(以删除文件实例)
    fs.delete(new Path("/user/liuhl/someWords.txt"));

2.3、使用FileSystem API读取数据文件

  有两个静态工厂方法来获取FileSystem实例文件系统。

  

  常用的就第二个和第四个

三、实战Java访问HDFS集群

3.1、环境介绍

  1)使用的是IDEA+Maven来进行测试

  2)Maven的pom.xml文件

<?xml version="1.0" encoding="UTF-8"?> 
<project xmlns="http://maven.apache.org/POM/4.0.0" 
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"> 
    <modelVersion>4.0.0</modelVersion> 
 
    <groupId>com.jxlg.zyh.hadoop</groupId> 
    <artifactId>Hadoop_0010</artifactId> 
    <version>1.0-SNAPSHOT</version> 
 
    <dependencies> 
        <dependency> 
            <groupId>org.apache.hadoop</groupId> 
            <artifactId>hadoop-common</artifactId> 
            <version>2.8.1</version> 
        </dependency> 
        <dependency> 
            <groupId>org.apache.hadoop</groupId> 
            <artifactId>hadoop-client</artifactId> 
            <version>2.8.1</version> 
        </dependency> 
        <dependency> 
            <groupId>org.apache.hadoop</groupId> 
            <artifactId>hadoop-hdfs</artifactId> 
            <version>2.8.1</version> 
        </dependency> 
        <dependency> 
            <groupId>org.apache.hadoop</groupId> 
            <artifactId>hadoop-mapreduce-client-core</artifactId> 
            <version>2.8.1</version> 
        </dependency> 
        <dependency> 
            <groupId>org.apache.hadoop</groupId> 
            <artifactId>hadoop-auth</artifactId> 
            <version>2.8.1</version> 
        </dependency> 
        <dependency> 
            <groupId>log4j</groupId> 
            <artifactId>log4j</artifactId> 
            <version>1.2.17</version> 
        </dependency> 
        <dependency> 
            <groupId>commons-logging</groupId> 
            <artifactId>commons-logging</artifactId> 
            <version>1.2</version> 
        </dependency> 
        <dependency> 
            <groupId>com.google.guava</groupId> 
            <artifactId>guava</artifactId> 
            <version>19.0</version> 
        </dependency> 
        <dependency> 
            <groupId>commons-collections</groupId> 
            <artifactId>commons-collections</artifactId> 
            <version>3.2.2</version> 
        </dependency> 
        <dependency> 
            <groupId>commons-cli</groupId> 
            <artifactId>commons-cli</artifactId> 
            <version>1.2</version> 
        </dependency> 
        <dependency> 
            <groupId>commons-lang</groupId> 
            <artifactId>commons-lang</artifactId> 
            <version>2.6</version> 
        </dependency> 
        <dependency> 
            <groupId>commons-configuration</groupId> 
            <artifactId>commons-configuration</artifactId> 
            <version>1.9</version> 
        </dependency> 
        <dependency> 
            <groupId>org.apache.avro</groupId> 
            <artifactId>avro</artifactId> 
            <version>1.7.7</version> 
        </dependency> 
        <dependency> 
            <groupId>commons-io</groupId> 
            <artifactId>commons-io</artifactId> 
            <version>2.5</version> 
        </dependency> 
    </dependencies> 
    <build> 
        <plugins> 
            <plugin> 
                <groupId>org.apache.maven.plugins</groupId> 
                <artifactId>maven-assembly-plugin</artifactId> 
                <version>3.0.0</version> 
                <configuration> 
                    <descriptorRefs> 
                        <descriptorRef>jar-with-dependencies</descriptorRef> 
                    </descriptorRefs> 
                </configuration> 
                <executions> 
                    <execution> 
                        <id>make-my-jar-with-dependencies</id> 
                        <phase>package</phase> 
                        <goals> 
                            <goal>single</goal> 
                        </goals> 
                    </execution> 
                </executions> 
            </plugin> 
            <plugin> 
                <groupId>org.apache.maven.plugins</groupId> 
                <artifactId>maven-compiler-plugin</artifactId> 
                <version>3.3</version> 
                <configuration> 
                    <source>1.8</source> 
                    <target>1.8</target> 
                </configuration> 
            </plugin> 
            <plugin> 
                <groupId>org.apache.maven.plugins</groupId> 
                <artifactId>maven-dependency-plugin</artifactId> 
                <version>3.0.0</version> 
                <executions> 
                    <execution> 
                        <phase>package</phase> 
                        <goals> 
                            <goal>copy-dependencies</goal> 
                        </goals> 
                    </execution> 
                </executions> 
            </plugin> 
        </plugins> 
    </build> 
 
</project>
pom.xml

  3)HDFS集群一个NameNode和两个DataNode

3.2、查询HDFS集群文件系统的一个文件将它文件内容打印出来

package com.jslg.zyh.hadoop.hdfs; 
 
import org.apache.hadoop.conf.Configuration; 
import org.apache.hadoop.fs.FSDataInputStream; 
import org.apache.hadoop.fs.FileSystem; 
import org.apache.hadoop.fs.Path; 
 
import java.io.File; 
import java.io.FileOutputStream; 
import java.io.IOException; 
import java.io.OutputStream; 
import java.net.URI; 
 
public class CatDemo_0010 { 
    public static void main(String[] args) throws IOException { 
        // 创建Configuration对象 
        Configuration conf=new Configuration(); 
        // 创建FileSystem对象 
        FileSystem fs= 
                FileSystem.get(URI.create(args[0]),conf); 
        // 需求:查看/user/kevin/passwd的内容 
        // args[0] hdfs://1.0.0.5:9000/user/zyh/passwd 
        // args[0] file:///etc/passwd 
        FSDataInputStream is= 
                fs.open(new Path(args[0])); 
        byte[] buff=new byte[1024]; 
        int length=0; 
        while((length=is.read(buff))!=-1){ 
            System.out.println( 
                    new String(buff,0,length)); 
        } 
        System.out.println( 
                fs.getClass().getName()); 
    } 
}

  1)需要在HDFS文件系统中有passwd.txt文件,如果没有需要自己创建

    hdfs dfs -mkdir -p /user/zyh

    hdfs dfs -put /etc/passwd /user/zyh/passwd.txt

  2)将Maven打好的jar包发送到服务器中,这里我们就在NameNode主机中执行,每一个节点都是一个客户端。

    注意:

      这里要发送第二个包,因为它把相关类也打进jar中

    查看服务器已经收到jar包

  3)执行jar包查看结果

    

  我们可以看到查询出来了passwd.txt中的内容

  注意:在最后我们还查看了一下FileSystem类,因为我们知道FileSystem是抽象类,它是根据后面的URI来确定到底调用的是哪一个子类的。

    

3.3、我们在IEDA中执行来获取文件系统的内容并打印在控制台和相应的本地文件中

  1)主要代码

 public static void main(String[] args) throws IOException { 
        //创建configuration对象 
        Configuration conf = new Configuration(); 
        //创建FileSystem对象 
        //需求:查看hdfs集群服务器/user/zyh/passwd.txt的内容 
        FileSystem fs = FileSystem.get(URI.create("hdfs://1.0.0.5:9000/user/zyh/passwd.txt"), conf); 
        // args[0] hdfs://1.0.0.3:9000/user/zyh/passwd.txt 
        // args[0] file:///etc/passwd.txt 
        FSDataInputStream is = fs.open(new Path("hdfs://1.0.0.5:9000/user/zyh/passwd.txt")); 
        OutputStream os=new FileOutputStream(new File("D:/a.txt")); 
        byte[] buff= new byte[1024]; 
        int length = 0; 
        while ((length=is.read(buff))!=-1){ 
            System.out.println(new String(buff,0,length)); 
            os.write(buff,0,length); 
            os.flush(); 
        } 
        System.out.println(fs.getClass().getName()); 
        //这个是根据你传的变量来决定这个对象的实现类是哪个 
    }

  2)Maven重新编译,并执行

    

  3)结果

    在控制台中:

      

    在本地文件中:

      

3.4、获取HDFS集群文件系统中的文件到本地文件系统

  1)主要代码

public class GetDemo_0010 { 
    public static void main(String[] args) throws IOException { 
        Configuration conf= 
                new Configuration(); 
        // 获取从集群上读取文件的文件系统对象 
        // 和输入流对象 
        FileSystem inFs= 
                FileSystem.get( 
                        URI.create(args[0]),conf); 
        FSDataInputStream is= 
                inFs.open(new Path(args[0])); 
        // 获取本地文件系统对象 
        //当然这个你也可以用FileOutputStream 
        LocalFileSystem outFs= 
                FileSystem.getLocal(conf); 
        FSDataOutputStream os= 
                outFs.create(new Path(args[1])); 
        byte[] buff=new byte[1024]; 
        int length=0; 
        while((length=is.read(buff))!=-1){ 
            os.write(buff,0,length); 
            os.flush(); 
        } 
        System.out.println( 
                inFs.getClass().getName()); 
        System.out.println( 
                is.getClass().getName()); 
        System.out.println( 
                outFs.getClass().getName()); 
        System.out.println( 
                os.getClass().getName()); 
        os.close(); 
        is.close(); 
    } 
}

  2)结果

    

    

   我们可以看到对于HDFS集群中获取的FileSystem对象是分布式文件系统,而输入流是HdfsDataInputStream主要用来做数据的传输。

  对于本地来说获取到的FileSystem对象时本地文件系统,而输出流就是FSDataOutputStream。

 

将HDFS中的文件拿到windows中: 

        //创建configuration对象 
        Configuration conf = new Configuration();
// 获取从集群上读取文件的文件系统对象 
        // 和输入流对象 
        FileSystem inFs= 
            FileSystem.get( 
                URI.create("file://1.0.0.5:9000/user/kevin/passwd"),conf); 
        FSDataInputStream is= 
            inFs.open(new Path("hdfs://1.0.0.5:9000/user/kevin/passwd")); 
        // 获取本地文件系统对象 
        LocalFileSystem outFs= 
            FileSystem.getLocal(conf); 
        FSDataOutputStream os= 
            outFs.create(new Path("C:\\passwd")); 
        byte[] buff=new byte[1024]; 
        int length=0; 
        while((length=is.read(buff))!=-1){ 
            os.write(buff,0,length); 
            os.flush(); 
        } 
        System.out.println( 
            inFs.getClass().getName()); 
        System.out.println( 
            is.getClass().getName()); 
        System.out.println( 
            outFs.getClass().getName()); 
        System.out.println( 
            os.getClass().getName()); 
        os.close(); 
        is.close(); 

 3.5、通过设置命令行参数变量来编程

  这里需要借助Hadoop中的一个类Configured、一个接口Tool、ToolRunner(主要用来运行Tool的子类也就是run方法)

  分析:

    1)我们查看API可以看到ToolRunner中有一个run方法:

      

      里面需要一个Tool的实现类和使用args用来传递参数的String类型的数据

    2)分析Configured

      这是Configurable接口中有一个getConf()方法

        

      而在Configured类中实现了Configurable接口

        

      所以Configured类中实现了Configurable接口的getConf()方法,使用它来获得一个Configuration对象

        

    3)细说Configuration对象

      可以获取Hadoop的所有配置文件中的数据

      还可以通过使用命令行中使用-D(-D是一个标识)使用的变量以及值  

  1)主要代码  

import java.net.URI; 
import org.apache.hadoop.conf.Configuration; 
import org.apache.hadoop.conf.Configured; 
import org.apache.hadoop.fs.FSDataInputStream; 
import org.apache.hadoop.fs.FSDataOutputStream; 
import org.apache.hadoop.fs.FileSystem; 
import org.apache.hadoop.fs.Path; 
import org.apache.hadoop.io.IOUtils; 
import org.apache.hadoop.util.Tool; 
import org.apache.hadoop.util.ToolRunner; 
 
public class GetDemo_0011 
    extends Configured 
    implements Tool{ 
    @Override 
    public int run(String[] strings) throws Exception{ 
        //我们所有的代码都写在这个run方法中 
        Configuration conf= 
            getConf(); 
        String input=conf.get("input"); 
        String output=conf.get("output"); 
        FileSystem inFs= 
            FileSystem.get( 
                URI.create(input),conf); 
        FSDataInputStream is= 
            inFs.open(new Path(input)); 
        FileSystem outFs= 
            FileSystem.getLocal(conf); 
        FSDataOutputStream os= 
            outFs.create(new Path(output)); 
        IOUtils.copyBytes(is,os,conf,true); 
        return 0; 
    } 
 
    public static void main(String[] args) throws Exception{ 
        //ToolRunner中的run方法中需要一个Tool的实现类,和 
        System.exit( 
            ToolRunner.run( 
                new GetDemo_0011(),args)); 
    } 
}

  分析:

    1)介绍IOUtils

      它是Hadoop的一个IO流的工具类,查看API中可知!

      

  2)打包jar发送给服务器执行

    

  3)查看结果

    

3.6、从HDFS集群中下载文件到本地

  1)普通版

import java.net.URI; 
import org.apache.hadoop.conf.Configuration; 
import org.apache.hadoop.conf.Configured; 
import org.apache.hadoop.fs.FSDataInputStream; 
import org.apache.hadoop.fs.FSDataOutputStream; 
import org.apache.hadoop.fs.FileSystem; 
import org.apache.hadoop.fs.LocalFileSystem; 
import org.apache.hadoop.fs.Path; 
import org.apache.hadoop.io.IOUtils; 
import org.apache.hadoop.util.Tool; 
import org.apache.hadoop.util.ToolRunner; 
 
public class P00032_HdfsDemo_PutFile_0010 extends Configured implements Tool{ 
    @Override 
    public int run(String[] strings) throws Exception{ 
        Configuration configuration 
            =getConf(); 
        String input= 
            configuration.get("input"); 
        String output= 
            configuration.get("output"); 
        LocalFileSystem inFs= 
            FileSystem.getLocal( 
                configuration); 
        FileSystem outFs= 
            FileSystem.get( 
                URI.create(output), 
                configuration); 
        FSDataInputStream is= 
            inFs.open(new Path(input)); 
        FSDataOutputStream os= 
            outFs.create(new Path(output)); 
        IOUtils.copyBytes(is,os,1024,true); 
        System.out.println(os.getClass().getName()); 
        inFs.close(); 
        outFs.close(); 
        return 0; 
    } 
 
    public static void main(String[] args) throws Exception{ 
        System.exit(ToolRunner.run(new P00032_HdfsDemo_PutFile_0010(),args)); 
    } 
}
P00032_HdfsDemo_PutFile_0010

  2)可以观察到写入了多少

import java.io.IOException; 
import java.net.URI; 
import org.apache.hadoop.conf.Configuration; 
import org.apache.hadoop.conf.Configured; 
import org.apache.hadoop.fs.FSDataInputStream; 
import org.apache.hadoop.fs.FSDataOutputStream; 
import org.apache.hadoop.fs.FileSystem; 
import org.apache.hadoop.fs.LocalFileSystem; 
import org.apache.hadoop.fs.Path; 
import org.apache.hadoop.io.IOUtils; 
import org.apache.hadoop.util.Tool; 
import org.apache.hadoop.util.ToolRunner; 
 
public class P00031_HdfsDemo_PutFile_0010 extends Configured implements Tool{ 
    FSDataOutputStream os=null; 
    @Override 
    public int run(String[] strings) throws Exception{ 
        Configuration configuration=getConf(); 
        String input=configuration.get("input"); 
        String output=configuration.get("output"); 
        LocalFileSystem inFs=FileSystem.getLocal(configuration); 
        FileSystem outFs=FileSystem.get(URI.create(output),configuration); 
        FSDataInputStream is=inFs.open(new Path(input)); 
        os=outFs.create(new Path(output),()->{ 
            try{ 
                System.out.println("已经写入了"+os.getPos()+"bytes"); 
            }catch(IOException e){ 
                e.printStackTrace(); 
            } 
        }); 
        IOUtils.copyBytes(is,os,1024,true); 
        System.out.println(os.getClass().getName()); 
        inFs.close(); 
        outFs.close(); 
        return 0; 
    } 
 
    public static void main(String[] args) throws Exception{ 
        System.exit(ToolRunner.run(new P00031_HdfsDemo_PutFile_0010(),args)); 
    } 
}
P00031_HdfsDemo_PutFile_001

   

 喜欢就“推荐”哦!   

发布评论

分享到:

IT虾米网

微信公众号号:IT虾米 (左侧二维码扫一扫)欢迎添加!

Hadoop(六)之HDFS的存储原理(运行原理)详解
你是第一个吃螃蟹的人
发表评论

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。