HDFS java API 二次开发

HDFS读写流程

1.客户端通过调用 DistributedFileSystem 的create方法，创建一个新的文件。

2.DistributedFileSystem 通过 RPC（远程过程调用）调用 NameNode，去创建一个没有blocks关联的新文件。创建前，NameNode 会做各种校验，比如文件是否存在， 客户端有无权限去创建等。如果校验通过，NameNode 就会记录下新文件，否则就会抛出IO异常。

3.前两步结束后会返回 FSDataOutputStream 的对象，和读文件的时候相似，FSDataOutputStream 被封装成 DFSOutputStream，DFSOutputStream 可以协调NameNode和 DataNode。客户端开始写数据到DFSOutputStream,DFSOutputStream会把数据切成一个个小packet，然后排成队列data queue。

4.DataStreamer 会去处理接受 data queue，它先问询 NameNode 这个新的 block 最适合存储的在哪几个DataNode里，比如重复数是3，那么就找到3个最适合的DataNode，把它们排成一个 pipeline。DataStreamer 把 packet 按队列输出到管道的第一个 DataNode 中，第一个 DataNode又把 packet 输出到第二个 DataNode 中，以此类推。

5.DFSOutputStream 还有一个队列叫 ack queue，也是由 packet 组成，等待DataNode的收到响应，当pipeline中的所有DataNode都表示已经收到的时候，这时akc queue才会把对应的packet包移除掉。6.客户端完成写数据后，调用close方法关闭写入流。

7.DataStreamer 把剩余的包都刷到 pipeline 里，然后等待 ack 信息，收到最后一个ack 后，通知 DataNode 把文件标示为已完成。

1. Client首先调用FileSystem对象的open方法，其实获取的是一个DistributedFileSystem的 实例。

2. DistributedFileSystem通过RPC向NameNode获得文件的第一批block的locations，返回多个locations，这些locations按照hadoop拓扑结构排序，距离客户端近的排在前面。

3. 前两步会返回一个FSDataInputStream对象，该对象会被封装成 DFSInputStream 对象，DFSInputStream可以方便的管理datanode和namenode数据流。客户端调用read方 法，DFSInputStream就会找出离客户端最近的datanode并连接datanode。

4. 数据从datanode源源不断的流向客户端。

5. 如果第一个block块的数据读完了，就会关闭指向第一个block块的datanode连接， 接着读取下一个block块。这些操作对客户端来说是透明的，从客户端的角度来看只是 读一个持续不断的流。

6. 如果第一批block都读完了，DFSInputStream就会去namenode拿下一批blocks的location，然后继续读，如果所有的block块都读完，这时就会关闭掉所有的流。

API java实现

package hdfs;

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

import java.io.*;

public class aaa {
    FileSystem fs = null;
    Configuration conf =null;
    public void init()throws Exception {
        //Hadoop类库中提供的HDFS操作的核心API是FileSystem抽象类，该类提供了一系列方法来进行相关的操作
        //FileSystem （不能生成对象）是一个通用的文件系统API，是一个抽象类，该类提供了一系列方法来进行相关的操作
        //configuration对象是对文件系统中属性信息的封装，默认的属性来自hadoop配置文件core-site.xml中的配置
        //进行文件操作的基本流程：1.创建configuration对象 2.利用fileSystem的静态get方法获取FileSystem实例 3.调用FileSystem的方法进行实际的文件操作
        conf=new Configuration();
        //conf.set("fs.defaultFS","hdfs://node01:8020");//设置本程序所访问的HDFS服务的地址，如果不通过代码进行设置，会默认取Hadoop安装环境下core-site.xml文件中配置的fs.defaultFS的属性值
        fs=FileSystem.get(conf);//由于不能new，所以通过get静态方法来获取实例


    }
    //上传文件
    public void upload() throws Exception{
        fs.copyFromLocalFile(new Path("D:/text02.txt"), new Path("/"));
// 关闭
        fs.close();

    }
    //使用流的方式上传文件
    public void ioupload()throws IllegalArgumentException,IOException{
        //true表示是否覆盖源文件
        FSDataOutputStream out = fs.create(new Path("/text01.txt"),true);
        FileInputStream in = new FileInputStream("D:/text02.txt");
        //org.apabhe,commons.io下的IOUtils
        IOUtils.copy(in,out);

    }

    //下载文件
    public void download()throws Exception{
        fs.copyToLocalFile(new Path("/text01.txt"),new Path("D:/text02.txt"));
        fs.close();

    }
    //以流的方式下载文件
    public void download2()throws Exception{
        FSDataInputStream in = fs.open(new Path("/text01.txt"));
        OutputStream out = new FileOutputStream("D:/text02.txt");
        IOUtils.copy(in,out);


    }
    //创建目录
    public void mkdir()throws IllegalArgumentException,IOException{
        //可递归创建目录，返回值表示是否创建成功
        boolean b = fs.mkdirs(new Path("/wj"));
        System.out.println(b);
    }

    //删除目录或文件
    public void delete ()throws IllegalArgumentException,IOException{
        //true 表示递归删除，返回值代表是否删除成功
        boolean b = fs.delete(new Path("/wj"));
        System.out.println(b);
    }
    //打印指定路径下的文件信息（不含目录，可递归）
    public void listFile()throws FileNotFoundException,IllegalArgumentException,IOException{
        //true表示是否递归，返回的是迭代器对象
        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"),true);
        //fs.listFiles方法，返回LocatedFileStatus的迭代器，自带递归。但是它是继承于FileStatus的，而且构建函数是FileStatus的文件版，即LocaledFileStatus只能列出文件
        while(listFiles.hasNext()){
            LocatedFileStatus file = listFiles.next();
            System.out.println("owner:"+file.getOwner());
            System.out.println("filename:"+file.getPath().getName());
            System.out.println("blocksize:"+file.getBlockSize());
            System.out.println("replication"+file.getReplication());
            System.out.println("permission"+file.getPermission());
            BlockLocation[] blockLocations = file.getBlockLocations();
            for (BlockLocation b : blockLocations){
                System.out.println("块的起始偏移量"+b.getOffset());
                System.out.println("块的长度"+b.getLength());
                String[] hosts = b.getHosts();
                for (String host : hosts){
                    System.out.println("块的所在服务器："+host);

                }
            }
            System.out.println("===================================");
        }
    }
    //指定目录下的文件或目录信息（不可递归）
    public void list()throws FileNotFoundException,IllegalArgumentException,IOException{
        //返回的是数组，不能递归目录中的内容
        //FileStatus对象封装了文件系统中文件和目录的元数据等信息
        FileStatus[] listStatus = fs.listStatus(new Path("/"));//列出文件系统
        for (FileStatus fs : listStatus){
            System.out.println((fs.isFile()?"file:":"directory:")+fs.getPath().getName());
        }
    }
    public static void main(String[] args)throws Exception{
//        选择本地运行，需要在本地安装hadoop环境
        System.setProperty("hadoop.home.dir", "E:\\hadoop-2.6.5\\");
        aaa HDFS =new aaa();
        HDFS.init();
        HDFS.upload();
        //HDFS.ioupload();
        //HDFS.mkdir();
        //HDFS.delete();
        //HDFS.listFile();
        //HDFS.list();

    }
}