使用hadoop distcp从ftp拷贝文件到hdfs

DistCp（Distributed Copy）是用于大规模集群内部或者集群之间的高性能拷贝工具。 它使用Map/Reduce实现文件分发，错误处理和恢复，以及报告生成。 它把文件和目录的列表作为map任务的输入，每个任务会完成源列表中部分文件的拷贝。

官网链接：http://hadoop.apache.org/docs/r2.7.1/hadoop-distcp/DistCp.html

最常用的就是从一个集群拷贝文件到第二个集群：

这将从第一个集群中复制/foo目录（和它的内容）到第二个集群中的/bar目录下，所以第二个集群会有/bar/foo目录结构。如果/bar不存在，则会新建一个。可以指定多个源路径，并且所有的都会被复制到目标路径。源路径必须是绝对路径：

bash$ hadoop distcp hdfs://namenode1/foo hdfs://namenode2/bar 

==============================================================================

distcp从ftp拷贝文件到hdfs：

hadoop distcp ftp://fptuser:ftppassword@host/ftp-path/ hdfs://node:port1/hdfs-path/

============= example================

hdfs目录：hdfs dfs -ls /user/wanghc

ftp文件目录：/root/README.txt

默认端口：21

hadoop distcp ftp://root:uway123@192.168.8.192/root/README.txt hdfs://192.168.8.109:8020/user/wanghc

如果ftp端口修改为 9022

hadoop distcp ftp://root:uway123@192.168.8.192:9022/root/README.txt hdfs://192.168.8.109:8020/user/wanghc