一.从hadoop文件系统hdfs读取文件
读取hdfs文件有两种方法:
1.使用java.net.URL对象打开数据流,从中读取代码
import java.io.IOException;
import java.io.InputStream;
import java.net.MalformedURLException;
import java.net.URL;
import org.apache.commons.compress.utils.IOUtils;
import org.apache.hadoop.fs.FsUrlStreamHandlerFactory;
public class URLCat
{
static
{
URL.setURLStreamHandlerFactory(new FsUrlStreamHandlerFactory());
}
public static void main(String [] args) throws MalformedURLException, IOException
{
try(InputStream in = new URL(args[0]).openStream();)
{
IOUtils.copy(in, System.out);
}
}
}
要想让java程序能识别Hadoop的hdfs URL必须通过FsUrlStreamHandlerFactory实例调用java.net.URL对象的setURLStreamHandlerFactory方法,然而每个java虚拟机只能调用一次这个方法,这意味着如果如果程序的其他组件已经声明了一个URLStreamHandlerFactory对象,将无法用这种方法从hadoop读取文件
2.通过调用FileSystem API 读取数据
import java.io.*;
import java.net.URI;
import org.apache.commons.compress.utils.IOUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
public class FileSystemCat
{
public static void main(String [] args) throws IOException
{
String uri = args[0];
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(URI.create(uri),conf);
try(InputStream in = fs.open(new Path(uri)))
{
IOUtils.copy(in,System.out);
//((FSDataInputStream) in).seek(0);
//IOUtils.copy(in, System.out);
}
}
}
Configuration 对象封装了客户端或者服务端的配置
public static FileSystem.get(URI uri,Configuration conf)通过给定的URL来确定要使用的文件系统
Public FSDateInputStream open(Path f) throws IOException用来获取文件的输入流
FSDateInputStream类继承了Seekable接口和PositionedReadable接口,因此可以从流的随意位置读取数据,Seelable接口提供的seek()类是一个相对高开销的操作,需要谨慎使用
二.向hadoop文件系统hdfs写入数据
import java.io.BufferedInputStream;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
import java.net.URI;
import org.apache.commons.compress.utils.IOUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.Progressable;
public class FileCopyWithProgress
{
public static void main(String[] args) throws IOException
{
String localsrc = args[0];
String dst = args[1];
InputStream in = new BufferedInputStream(new FileInputStream(localsrc));
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(URI.create(dst),conf);
try (OutputStream out = fs.create(new Path(dst),new Progressable(){
public void progress()
{
System.out.print(".");//用于显示文件复制进度
}
}))
{
IOUtils.copy(in, out);
}
}
}
使用运行参数:"/home/hadoop/Desktop/1.txt" "hdfs://localhost/user/hadoop/output/1.txt"
程序在运行时可能会出现错误:
Exception in thread "main" java.net.ConnectException: Call From thewolf/127.0.1.1 to localhost:8020 failed on connection exception: java.net.ConnectException: Connection refused; For more details see: http://wiki.apache.org/hadoop/ConnectionRefused
原因:是没有指定访问分布式文件系统的端口号:即配置文件里面设定的文件系统端口,执行程序会根据默认的8020端口去访问文件系统,而访问不到出现上述错误。
解决方法:指定访问hdfs的端口号(自己配置的端口号,我配置的是9000):更改运行参数为:"/home/hadoop/Desktop/1.txt" "hdfs://localhost:9000/user/hadoop/output/1.txt"
public FSDataOutputStream create(Path f) throws IOException 能够为需要写入切当前不存在的文件创建父文件目录,可先用exists()方法检查父目录是否存在;append()方法用于在一个已经存在的文件末尾追加数据
FSDataInputStream继承了借口Syncable,可用getPos()方法查询文件当前位置,但是FSDataInputStream类不允许在文件中定位,因为HDFS只允许对一个已打开文件顺序写入,或者在现有文件后面追加数据。
Progressable用于传递回调接口,每次Hadoop将64KB数据写入datanode管线后都会调用Progressable接口的progress
public interface Progressable
{
public void progress();
}