【头歌】大数据从入门到实战 - 第2章 分布式文件系统HDFS

第1关：HDFS的基本操作

任务描述

本关任务：使用 Hadoop 命令来操作分布式文件系统。

编程要求

在右侧命令行中启动 Hadoop ，进行如下操作。

• 在 HDFS 中创建 /usr/output/ 文件夹；
• 在本地创建 hello.txt 文件并添加内容：“ HDFS 的块比磁盘的块大，其目的是为了最小化寻址开销。”；
• 将 hello.txt 上传至 HDFS 的 /usr/output/ 目录下；
• 删除 HDFS 的 /user/hadoop 目录；
• 将 Hadoop 上的文件 hello.txt 从 HDFS 复制到本地 /usr/local 目录。

测试说明

平台会查看你本地的文件和 HDFS 的文件是否存在，如果存在，则会将其内容输出到控制台。

预期输出：

HDFS的块比磁盘的块大，其目的是为了最小化寻址开销。

HDFS的块比磁盘的块大，其目的是为了最小化寻址开销。

代码如下

start-dfs.sh
hadoop fs -mkdir /usr
hadoop fs -mkdir /usr/output
vim hello.txt
hadoop fs -put hello.txt /usr/output
hadoop fs -rm -r /user/hadoop
hadoop fs -copyToLocal /usr/output/hello.txt /usr/local

第2关：HDFS-JAVA接口之读取文件

任务描述

本关任务：使用 HDFS 的 Java 接口进行文件的读写，文件 uri 地址为 hdfs://localhost:9000/user/hadoop/task.txt 。

编程要求

在右侧代码编辑区中编写代码实现如下功能：

• 使用 FSDataInputStream 获取 HDFS 的 /user/hadoop/ 目录下的 task.txt 的文件内容，并输出，其中 uri 为 hdfs://localhost:9000/user/hadoop/task.txt 。

测试说明

点击评测，平台会通过脚本创建 /user/hadoop/task.txt 文件并添加相应内容，无需你自己创建，开启 hadoop ，编写代码点击评测即可。因为 Hadoop 环境非常消耗资源，所以你如果一段时间不在线，后台会销毁你的镜像，之前的数据会丢失（你的代码不会丢失），这个时候需要你重新启动 Hadoop 。

预期输出：

 WARN [main] - Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 怕什么真理无穷，进一寸有一寸的欢喜。

第一行打印出来的是 log4j 的日志警告，可以忽略。

代码如下

//先再命令行输入如下代码，然后再去代码文件粘贴java代码
start-dfs.sh
vim test.txt
i
//按i进入修改模式后，把下列中文粘贴进去  ctl+shift+v
独坐池塘如虎踞，绿荫树下养精神。

春来我不先开口，哪个虫儿敢作声。
//按Esc键推出修改模式
Esc
//输入:wq推出命令行模式
:wq

package step2;

import java.io.IOException;
import java.io.InputStream;
import java.net.URI;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;


public class FileSystemCat {
	
	public static void main(String[] args) throws IOException {
		//请在Begin-End之间添加你的代码，完成任务要求。
        //请按照左侧的编程要求进行编写代码
		//文件地址为 "hdfs://localhost:9000/user/hadoop/task.txt"
        /********* Begin *********/
		URI uri = URI.create("hdfs://localhost:9000/user/hadoop/task.txt");
        Configuration config = new Configuration();
        FileSystem fs = FileSystem.get(uri,config);
        InputStream in = null;
        try{
            in = fs.open(new Path(uri));
            IOUtils.copyBytes(in, System.out,2048,false);
        }catch (Exception e){
            IOUtils.closeStream(in);
        }
		/********* End *********/
	}
}

第3关：HDFS-JAVA接口之上传文件

任务描述

本关任务：使用 HDFSAPI 上传文件至集群。

编程要求

在右侧代码编辑区和命令行中，编写代码与脚本实现如下功能：

• 在 /develop/input/ 目录下创建 hello.txt 文件，并输入如下数据： 迢迢牵牛星，皎皎河汉女。 纤纤擢素手，札札弄机杼。 终日不成章，泣涕零如雨。 河汉清且浅，相去复几许？ 盈盈一水间，脉脉不得语。 《迢迢牵牛星》

• 使用 FSDataOutputStream 对象将文件上传至 HDFS 的 /user/tmp/ 目录下，并打印进度。

测试说明

平台会运行你的 java 程序，并查看集群的文件将文件信息输出到控制台，第一行属于警告信息可以忽略。

代码如下

//先再命令行输入如下代码，然后再去代码文件粘贴java代码
start-dfs.sh
mkdir -p /develop/input
cd /develop/input
vim hello.txt
i
//输入i进入修改模式后把下面诗句粘贴进去 ctl+shift+v
迢迢牵牛星，皎皎河汉女。
纤纤擢素手，札札弄机杼。
终日不成章，泣涕零如雨。
河汉清且浅，相去复几许？
盈盈一水间，脉脉不得语。
《迢迢牵牛星》
//按Esc键退出修改模式
Esc
//输入:wq退出命令行模式
:wq  

package step3;


import java.io.BufferedInputStream;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.InputStream;
import java.net.URI;
import java.io.File;

import org.apache.hadoop.conf.Configuration;
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.Progressable;


public class FileSystemUpload {
	
	public static void main(String[] args) throws IOException {
		//请在 Begin-End 之间添加代码，完成任务要求。
        /********* Begin *********/
		File localPath = new File("/develop/input/hello.txt");
        String hdfsPath = "hdfs://localhost:9000/user/tmp/hello.txt";
        InputStream in = new BufferedInputStream(new FileInputStream(localPath));
        Configuration config = new Configuration();
        FileSystem fs = FileSystem.get(URI.create(hdfsPath), config);
        long fileSize = localPath.length() > 65536 ? localPath.length() / 65536 : 1; 
        FSDataOutputStream out = fs.create(new Path(hdfsPath), new Progressable() {
            long fileCount = 0;
            public void progress() {
                System.out.println("总进度" + (fileCount / fileSize) * 100 + "%");
                fileCount++;
            }
        });
        IOUtils.copyBytes(in, out, 2048, true);
		
		/********* End *********/
	}
}

第4关：HDFS-JAVA接口之删除文件

任务描述

本关任务：删除 HDFS 中的文件和文件夹。

编程要求

在右侧代码区填充代码，实现如下功能：

• 删除 HDFS 的 /user/hadoop/ 目录（空目录）；
• 删除 HDFS 的 /tmp/test/ 目录（非空目录）；
• 列出 HDFS 根目录下所有的文件和文件夹；
• 列出 HDFS 下 /tmp/ 的所有文件和文件夹。

测试说明

HDFS 的文件夹在你点击评测是会通过脚本自动创建，不需要你自己创建哦，依照题意编写代码点击评测即可。

代码如下

//先再命令行输入如下代码，然后再去代码文件粘贴java代码
start-dfs.sh

package step4;


import java.io.IOException;
import java.net.URI;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.FileUtil;
import org.apache.hadoop.fs.Path;



public class FileSystemDelete {
	
	public static void main(String[] args) throws IOException {
		//请在 Begin-End 之间添加代码，完成本关任务。
        /********* Begin *********/
		
		String root = "hdfs://localhost:9000/";
        String path = "hdfs://localhost:9000/tmp";
        String del1 = "hdfs://localhost:9000/user/hadoop";
        String del2 = "hdfs://localhost:9000/tmp/test";
        Configuration config = new Configuration();
        FileSystem fs = FileSystem.get(URI.create(root),config);
        fs.delete(new Path(del1),true);
        fs.delete(new Path(del2),true);
        Path[] paths = {new Path(root),new Path(path)};
        FileStatus[] status = fs.listStatus(paths);
        Path[] listPaths = FileUtil.stat2Paths(status);
 
        for (Path path1 : listPaths){
  System.out.println(path1);
        }

		
		
		/********* End *********/
	}
}