大数据基础-Hadoop HDFS开发

******HDFS应用开发篇******

HDFS的java操作

hdfs在生产应用中主要是客户端的开发，其核心步骤是从hdfs提供的api中构造一个HDFS的访问客户端对象，然后通过该客户端对象操作（增删改查）HDFS上的文件

 搭建开发环境

1、引入依赖

<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-client</artifactId>
    <version>2.6.1</version>
</dependency>

注：如需手动引入jar包，hdfs的jar包----hadoop的安装目录的share下

2、window下开发的说明

建议在linux下进行hadoop应用的开发，不会存在兼容性问题。如在window上做客户端应用开发，需要设置以下环境：

1. 在windows的某个目录下解压一个hadoop的安装包
2. 将安装包下的lib和bin目录用对应windows版本平台编译的本地库替换
3. 在window系统中配置HADOOP_HOME指向你解压的安装包
4. 在windows系统的path变量中加入hadoop的bin目录

获取api中的客户端对象

在java中操作hdfs，首先要获得一个客户端实例

Configuration conf = new Configuration()
FileSystem fs = FileSystem.get(conf)

而我们的操作目标是HDFS，所以获取到的fs对象应该是DistributedFileSystem的实例；

get方法是从何处判断具体实例化那种客户端类呢？

——从conf中的一个参数 fs.defaultFS的配置值判断；

 

如果我们的代码中没有指定fs.defaultFS，并且工程classpath下也没有给定相应的配置，conf中的默认值就来自于hadoop的jar包中的core-default.xml，默认值为： file:///，则获取的将不是一个DistributedFileSystem的实例，而是一个本地文件系统的客户端对象

 

DistributedFileSystem实例对象所具备的方法

HDFS客户端操作数据代码示例：

文件的增删改查

public class HdfsClient {

         FileSystem fs = null;

         @Before
         public void init() throws Exception {

                   // 构造一个配置参数对象，设置一个参数：我们要访问的hdfs的URI
                   // 从而FileSystem.get()方法就知道应该是去构造一个访问hdfs文件系统的客户端，以及hdfs的访问地址
                   // new Configuration();的时候，它就会去加载jar包中的hdfs-default.xml
                   // 然后再加载classpath下的hdfs-site.xml
                   Configuration conf = new Configuration();
                   conf.set("fs.defaultFS", "hdfs://hdp-node01:9000");
                   /**
                    * 参数优先级： 1、客户端代码中设置的值 2、classpath下的用户自定义配置文件 3、然后是服务器的默认配置
                    */
                   conf.set("dfs.replication", "3");

                   // 获取一个hdfs的访问客户端，根据参数，这个实例应该是DistributedFileSystem的实例
                   // fs = FileSystem.get(conf);

                   // 如果这样去获取，那conf里面就可以不要配"fs.defaultFS"参数，而且，这个客户端的身份标识已经是hadoop用户
                   fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");

         }

         /**
          * 往hdfs上传文件
          *
          * @throws Exception
          */
         @Test
         public void testAddFileToHdfs() throws Exception {

                   // 要上传的文件所在的本地路径
                   Path src = new Path("g:/redis-recommend.zip");
                   // 要上传到hdfs的目标路径
                   Path dst = new Path("/aaa");
                   fs.copyFromLocalFile(src, dst);
                   fs.close();
         }

         /**
          * 从hdfs中复制文件到本地文件系统
          *
          * @throws IOException
          * @throws IllegalArgumentException
          */
         @Test
         public void testDownloadFileToLocal() throws IllegalArgumentException, IOException {
                   fs.copyToLocalFile(new Path("/jdk-7u65-linux-i586.tar.gz"), new Path("d:/"));
                   fs.close();
         }

         @Test
         public void testMkdirAndDeleteAndRename() throws IllegalArgumentException, IOException {

                   // 创建目录
                   fs.mkdirs(new Path("/a1/b1/c1"));

                   // 删除文件夹 ，如果是非空文件夹，参数2必须给值true
                   fs.delete(new Path("/aaa"), true);

                   // 重命名文件或文件夹
                   fs.rename(new Path("/a1"), new Path("/a2"));

         }

         /**
          * 查看目录信息，只显示文件
          *
          * @throws IOException
          * @throws IllegalArgumentException
          * @throws FileNotFoundException
          */
         @Test
         public void testListFiles() throws FileNotFoundException, IllegalArgumentException, IOException {

                   // 思考：为什么返回迭代器，而不是List之类的容器
                   RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);

                   while (listFiles.hasNext()) {
                            LocatedFileStatus fileStatus = listFiles.next();
                            System.out.println(fileStatus.getPath().getName());
                            System.out.println(fileStatus.getBlockSize());
                            System.out.println(fileStatus.getPermission());
                            System.out.println(fileStatus.getLen());
                            BlockLocation[] blockLocations = fileStatus.getBlockLocations();
                            for (BlockLocation bl : blockLocations) {
                                     System.out.println("block-length:" + bl.getLength() + "--" + "block-offset:" + bl.getOffset());
                                      String[] hosts = bl.getHosts();
                                     for (String host : hosts) {
                                               System.out.println(host);
                                     }
                            }
                            System.out.println("--------------为angelababy打印的分割线--------------");
                   }
         }

         /**
          * 查看文件及文件夹信息
          *
          * @throws IOException
          * @throws IllegalArgumentException
          * @throws FileNotFoundException
          */
         @Test
         public void testListAll() throws FileNotFoundException, IllegalArgumentException, IOException {

                   FileStatus[] listStatus = fs.listStatus(new Path("/"));

                   String flag = "d--             ";
                   for (FileStatus fstatus : listStatus) {
                            if (fstatus.isFile())  flag = "f--         ";
                            System.out.println(flag + fstatus.getPath().getName());
                   }
         }
}

7.4.2 通过流的方式访问hdfs

/**
 * 相对那些封装好的方法而言的更底层一些的操作方式
 * 上层那些mapreduce   spark等运算框架，去hdfs中获取数据的时候，就是调的这种底层的api
 * @author
 *
 */
public class StreamAccess {
        
         FileSystem fs = null;

         @Before
         public void init() throws Exception {

                   Configuration conf = new Configuration();
                   fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");

         }
        
        
        
         @Test
         public void testDownLoadFileToLocal() throws IllegalArgumentException, IOException{
                  
                   //先获取一个文件的输入流----针对hdfs上的
                   FSDataInputStream in = fs.open(new Path("/jdk-7u65-linux-i586.tar.gz"));
                  
                   //再构造一个文件的输出流----针对本地的
                   FileOutputStream out = new FileOutputStream(new File("c:/jdk.tar.gz"));
                  
                   //再将输入流中数据传输到输出流
                   IOUtils.copyBytes(in, out, 4096);
                  
                  
         }
        
        
         /**
          * hdfs支持随机定位进行文件读取，而且可以方便地读取指定长度
          * 用于上层分布式运算框架并发处理数据
          * @throws IllegalArgumentException
          * @throws IOException
          */
         @Test
         public void testRandomAccess() throws IllegalArgumentException, IOException{
                   //先获取一个文件的输入流----针对hdfs上的
                   FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));
                  
                  
                   //可以将流的起始偏移量进行自定义
                   in.seek(22);
                  
                   //再构造一个文件的输出流----针对本地的
                   FileOutputStream out = new FileOutputStream(new File("c:/iloveyou.line.2.txt"));
                  
                   IOUtils.copyBytes(in,out,19L,true);
                  
         }
        
        
        
         /**
          * 显示hdfs上文件的内容
          * @throws IOException
          * @throws IllegalArgumentException
          */
         @Test
         public void testCat() throws IllegalArgumentException, IOException{
                  
                   FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));
                  
                   IOUtils.copyBytes(in, System.out, 1024);
         }
}

7.4.3 场景编程

在mapreduce 、spark等运算框架中，有一个核心思想就是将运算移往数据，或者说，就是要在并发计算中尽可能让运算本地化，这就需要获取数据所在位置的信息并进行相应范围读取

以下模拟实现：获取一个文件的所有block位置信息，然后读取指定block中的内容

@Test
         public void testCat() throws IllegalArgumentException, IOException{
                  
                   FSDataInputStream in = fs.open(new Path("/weblog/input/access.log.10"));
                   //拿到文件信息
                   FileStatus[] listStatus = fs.listStatus(new Path("/weblog/input/access.log.10"));
                   //获取这个文件的所有block的信息
                   BlockLocation[] fileBlockLocations = fs.getFileBlockLocations(listStatus[0], 0L, listStatus[0].getLen());
                   //第一个block的长度
                   long length = fileBlockLocations[0].getLength();
                   //第一个block的起始偏移量
                   long offset = fileBlockLocations[0].getOffset();
                  
                   System.out.println(length);
                   System.out.println(offset);
                  
                   //获取第一个block写入输出流
//               IOUtils.copyBytes(in, System.out, (int)length);
                   byte[] b = new byte[4096];
                  
                   FileOutputStream os = new FileOutputStream(new File("d:/block0"));
                   while(in.read(offset, b, 0, 4096)!=-1){
                            os.write(b);
                            offset += 4096;
                            if(offset>=length) return;
                   };
                   os.flush();
                   os.close();
                   in.close();
         }