2.HDFS应用

• 实验目的

掌握HDFS安装、HDFS命令和HDFS Java API编程。

• 实验内容

1. 掌握HDFS命令使用方法；
2. 熟悉开发环境配置和编码过程；
3. 掌握HDFS Java API的基本用法。

• 实验步骤

    一、HDFS配置和启动

修改HDFS配置并在集群中启动HDFS。

二、HDFS命令行测试

    在集群节点中输入HDFS命令行完成目录管理和文件上传/下载等操作，具体完成以下操作：

1. 查看HDFS根目录；

1. 在HDFS根目录创建文件夹test；

1. 从Linux中上传一个文件至HDFS的/test目录；

1. 将该文件从HDFS下载至/Home目录中。

三、HDFS Java API测试

       1. 在IntelliJ IDEA或Eclipse环境中创建一个Maven项目，并使用HDFS的Java API操作HDFS

       (1) 下载IntelliJ IDEA或Eclipse，并创建Maven项目；

参考博客：idea建立一个maven项目

https://www.cnblogs.com/Eilen/p/6604411.html

       (2) 编辑pom.xml文件，引用必要的Hadoop和HDFS组件，注意Hadoop中的JDK版本与Windows中的版本保持一致，操作方法和maven配置方法见《IntelliJ IDEA配置HDFS Java API》；

查询maven组件配置https://mvnrepository.com/

   需要查询的组件（自己判断合适的版本）：

   hadoop-client

   hadoop-hdfs

   hadoop-common

   将所有查询到的组件的XML插入到<dependencies></dependencies>节点中去，如下图：

 

中间出现了Idea卡在Resolving Maven dependencies这个问题

解决方案参考博客：

Idea卡在Resolving Maven dependencies的解决方案

https://blog.csdn.net/dyc_main/article/details/86706404

最后

更换镜像源，参考博客：

IntelliJ IDEA 中更改 maven 镜像源

https://www.cnblogs.com/recovic/p/change-maven-mirror-in-idea.html

 

       (3) 使用Java API编写代码并调试，将Windows中的一个文件上传至HDFS指定目录，常见异常参见《HDFS Java API常见异常解决方案》；

写程序时出现的问题：

参考博客：IntelliJ IDEA的Project目录不显示SRC目录和鼠标右键新建时，选项没有Java class的解决方法和具体解释

https://blog.csdn.net/qq_26465035/article/details/80116495

中间出现的问题：

·hadoop客户端操作出现：

Exception in thread "main" org.apache.hadoop.security.AccessControlException:

参考博客：

https://blog.csdn.net/IUNIQUE/article/details/84315043

·could only be written to 0 of the 1 minReplication nodes.

解决方案：

1. 关闭集群：

在Hadoop的对应目录下，进行sbin/stop-all.sh

1. 删除dfs文件下的数据第二步：删除所有名字为dfs的文件夹，我这里有以下两个文件夹，分别删除两次：

所有节点都需要

rm -rf  /home/hadoop/dfs/data/*

rm -rf  /home/hadoop//tmp/dfs/*

1. 格式化HDFS：

在Hadoop的对应目录下，./bin/hdfs namenode -format

1. 重启hadoop：

在Hadoop的对应目录下，进行 sbin/start-all.sh

(4) 在集群中使用HDFS命令查看是否上传成功。

       2. （选做）如何在Web项目中访问HDFS，实现在Web页面操作上传下载HDFS中的文件。

(1) 用Maven构建一个Java EE项目，并添加HDFS Java API相关组件；

(2) 在JSP或Servlet的服务端代码中访问HDFS，并与前端页面功能关联起来。

四、实验结果

      试验运行过程及结果

如上步骤所示

五、实验体会

一二部分的HDFS启动以及命令行测试较为简单。

第三部分，因为之前完全没有接触过maven项目的建立，一开始有点不知所措。开始百度maven教程。

到第三部分的（2）将所有查询到的组件的XML插入到<dependencies></dependencies>节点中去，所找到的hadoop-client、hadoop-hdfs、hadoop-common一直是红色（就是未找到，未导入的意思），控制台一直卡在Resolving Maven dependencies。后面进行了镜像源的更改，以及修改maven Importing的jvm参数, 默认为700多, 直接修改成 -Xms1024m -Xmx2048m，得以解决。

Java程序的创建部分，也十分的不熟练了。IntelliJ IDEA的Project目录不显示SRC目录和鼠标右键新建时，选项没有Java class，也是改了好久的sources才好。

程序运行后，出现

Exception in thread "main" org.apache.hadoop.security.AccessControlException:

以及：

Exception in thread "main" org.apache.hadoop.ipc.RemoteException(java.io.IOException): File /home/navy/files/yc.txt could only be written to 0 of the 1 minReplication nodes. There are 0 datanode(s) running and no node(s) are excluded in this operation。主要是后一个问题，可能是因为我之前hadoop namenode -format次数有点多，这样是不正确的。