hadoop2.7.3 java api_Hadoop 系列（三）Java API

Hadoop 系列(三)Java API

org.apache.hadoop

hadoop-hdfs

2.9.2

org.apache.hadoop

hadoop-client

2.9.2

org.apache.hadoop

hadoop-common

2.9.2

一、HDFS 操作

@Test

public void upload() throws Exception {

Configuration conf = new Configuration(); // (1)

//conf.set("fs.defaultFS", "hdfs://master:9000/");

Path dst = new Path("hdfs://master:9000/upload/MPSetup4.log");

FileSystem fs = FileSystem.get(new URI("hdfs://master:9000/"), conf, "hadoop"); // (2)

FSDataOutputStream os = fs.create(dst);

FileInputStream is = new FileInputStream("c:/MPSetup.log");

IOUtils.copy(is, os);

}

Configuration 配置文件默认读取 resources 目录下的 core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml 文件。可以将 Hadoop 安装目录下的这些配制文件直接拷贝过来，也可以直接 conf.set() 设置参数。

FileSystem.get() 必须要以 hadoop 的身份运行，否则会出现权限不足的问题。可以配置 -DHADOOP_USER_NAME=hadoop 参数。

下面提供一个 HdfsUtil 工具类：

public class HdfsUtil {

FileSystem fs = null;

@Before

public void init() throws Exception{

System.setProperty("hadoop.home.dir", "D:/Program_Files/apache/hadoop-common-bin/");

//1. 读取classpath下的xxx-site.xml 配置文件，并解析其内容，封装到conf对象中

Configuration conf = new Configuration();

//2. 也可以在代码中对conf中的配置信息进行手动设置，会覆盖掉配置文件中的读取的值

conf.set("fs.defaultFS", "hdfs://master:9000/");

//3. 根据配置信息，去获取一个具体文件系统的客户端操作实例对象

fs = FileSystem.get(new URI("hdfs://master:9000/"), conf, "hadoop");

}

/** 上传文件，封装好的写法 */

@Test

public void upload2() throws Exception, IOException{

fs.copyFromLocalFile(new Path("c:/MPSetup.log"),

new Path("hdfs://master:9000/aaa/bbb/ccc/MPSetup.log"));

}

/** 下载文件 */

@Test

public void download() throws Exception {

fs.copyToLocalFile(new Path("hdfs://master:9000/aaa/bbb/ccc/MPSetup.log"),

new Path("d:/MPSetup2.txt"));

}

/** 查看文件信息 */

@Test

public void listFiles() throws FileNotFoundException, IllegalArgumentException, IOException {

// listFiles列出的是文件信息，而且提供递归遍历

RemoteIterator files = fs.listFiles(new Path("/"), true);

while(files.hasNext()) {

LocatedFileStatus file = files.next();

Path filePath = file.getPath();

String fileName = filePath.getName();

System.out.println(fileName);

}

System.out.println("---------------------------------");

//listStatus 可以列出文件和文件夹的信息，但是不提供自带的递归遍历

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

for(FileStatus status: listStatus){

String name = status.getPath().getName();

System.out.println(name + (status.isDirectory()?" is dir":" is file"));

}

}

/** 创建文件夹 */

@Test

public void mkdir() throws IllegalArgumentException, Exception {

fs.mkdirs(new Path("/aaa/bbb/ccc"));

}

/** 删除文件或文件夹 */

@Test

public void rm() throws IllegalArgumentException, IOException {

fs.delete(new Path("/aa"), true);

}

}

二、RPC 调用

(1) LoginServiceInterface 接口

package com.github.binarylei.hadoop.rpc;

public interface LoginServiceInterface {

public static final long versionID = 1L;

public String login(String username, String password);

}

public class LoginServiceImpl implements LoginServiceInterface {

@Override

public String login(String username, String password) {

return username + " login in successfully!";

}

}

(2) RPCServer

// 目前只能上传到 Linux 上运行 ??????

public class RPCServer {

private static String host = "master";

private static int port = 10001;

public static void main(String[] args) throws HadoopIllegalArgumentException, IOException {

Configuration conf = new Configuration();

conf.set("fs.defaultFS", "hdfs://master:9000/");

Builder builder = new Builder(conf);

builder.setBindAddress("master")

.setPort(port)

.setProtocol(LoginServiceInterface.class)

.setInstance(new LoginServiceImpl());

Server server = builder.build();

server.start();

}

}

将打包后的 hadoop-api-1.0.0.jar 上传到 Linux，启动 RPC 服务，执行

hadoop jar hadoop-api-1.0.0.jar com.github.binarylei.hadoop.rpc.RPCServer

2018-05-13 18:20:16,606 INFO ipc.CallQueueManager: Using callQueue: class java.util.concurrent.LinkedBlockingQueue queueCapacity: 100 scheduler: class org.apache.hadoop.ipc.DefaultRpcScheduler

2018-05-13 18:20:17,631 INFO ipc.Server: Starting Socket Reader #1 for port 10001

2018-05-13 18:20:19,613 INFO ipc.Server: IPC Server Responder: starting

2018-05-13 18:20:19,618 INFO ipc.Server: IPC Server listener on 10001: starting

(3) RPCClient

public class RPCClient {

private static String host = "master";

private static int port = 10001;

public static void main(String[] args) throws Exception {

System.setProperty("hadoop.home.dir", "D:/Program_Files/apache/hadoop-common-bin/");

Configuration conf = new Configuration();

conf.set("fs.defaultFS", "hdfs://master:9000/");

LoginServiceInterface proxy = RPC.getProxy(

LoginServiceInterface.class,

1L,

new InetSocketAddress(host, port),

conf);

String result = proxy.login("hadoop-test", "test");

System.out.println(result);

}

}

直接在 Windows 上运行，结果如下：

hadoop-test login in successfully!

三、MapReduce

下面模仿 wordcount，写一个 MapReduce

(1) WCMapper

//4个泛型中，前两个是指定mapper输入数据的类型，KEYIN是输入的key的类型，VALUEIN是输入的value的类型

//map 和 reduce 的数据输入输出都是以 key-value对的形式封装的

//默认情况下，框架传递给我们的mapper的输入数据中，key是要处理的文本中一行的起始偏移量，这一行的内容作为value

public class WCMapper extends Mapper{

//mapreduce框架每读一行数据就调用一次该方法

@Override

protected void map(LongWritable key, Text value,Context context)

throws IOException, InterruptedException {

//具体业务逻辑就写在这个方法体中，而且我们业务要处理的数据已经被框架传递进来，在方法的参数中 key-value

//key 是这一行数据的起始偏移量 value 是这一行的文本内容

//将这一行的内容转换成string类型

String line = value.toString();

//对这一行的文本按特定分隔符切分

String[] words = StringUtils.split(line, " ");

//遍历这个单词数组输出为kv形式 k：单词 v ： 1

for(String word : words){

context.write(new Text(word), new LongWritable(1));

}

}

}

(2) WCReducer

public class WCReducer extends Reducer{

//框架在map处理完成之后，将所有kv对缓存起来，进行分组，然后传递一个组，调用一次reduce方法

//

@Override

protected void reduce(Text key, Iterable values,Context context)

throws IOException, InterruptedException {

long count = 0;

//遍历value的list，进行累加求和

for(LongWritable value:values){

count += value.get();

}

//输出这一个单词的统计结果

context.write(key, new LongWritable(count));

}

}

(3) WCReducer

/**

* 用来描述一个特定的作业

* 比如，该作业使用哪个类作为逻辑处理中的map，哪个作为reduce

* 还可以指定该作业要处理的数据所在的路径

* 还可以指定改作业输出的结果放到哪个路径

* ....

* @author duanhaitao@itcast.cn

*/

public class WCRunner {

public static void main(String[] args) throws Exception {

//System.setProperty("hadoop.home.dir", "D:/Program_Files/apache/hadoop-common-bin/");

Configuration conf = new Configuration();

Job wcjob = Job.getInstance(conf);

//设置整个job所用的那些类在哪个jar包

wcjob.setJarByClass(WCRunner.class);

//本job使用的mapper和reducer的类

wcjob.setMapperClass(WCMapper.class);

wcjob.setReducerClass(WCReducer.class);

//指定reduce的输出数据kv类型

wcjob.setOutputKeyClass(Text.class);

wcjob.setOutputValueClass(LongWritable.class);

//指定mapper的输出数据kv类型

wcjob.setMapOutputKeyClass(Text.class);

wcjob.setMapOutputValueClass(LongWritable.class);

//指定要处理的输入数据存放路径

FileInputFormat.setInputPaths(wcjob, new Path("hdfs://master:9000/wc/input/"));

//指定处理结果的输出数据存放路径

FileOutputFormat.setOutputPath(wcjob, new Path("hdfs://master:9000/wc/output5/"));

//将job提交给集群运行

wcjob.waitForCompletion(true);

}

}

四、Hadoop 运行(Windows)

问题 1：缺少 winutils.exe 和 hadoop.dll

# 缺少 winutils.exe

Could not locate executable null \bin\winutils.exe in the hadoop binaries

# 缺少 hadoop.dll

Unable to load native-hadoop library for your platform… using builtin-Java classes where applicable

解决办法：

解压后将 hadoop-common-2.2.0-bin/bin 目录下的文件全部拷贝到 HADOOP_HOME/bin 目录下，并配置 HADOOP_HOME 环境变量。

将 hadoop-common-2.2.0-bin/bin/hadoop.dll 拷贝到 C:\Windows\System32 目录下。

问题 2：Exception in thread "main" java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Ljava/lang/String;I)Z

解决办法：

首先确保 C:\Windows\System32 目录下已经有 hadoop.dll 文件

在自己的工程中拷贝一份 org.apache.hadoop.io.nativeio.NativeIO 类，修改如下：

public static boolean access(String path, AccessRight desiredAccess)

throws IOException {

return true;

//return access0(path, desiredAccess.accessRight());

}

参考：

每天用心记录一点点。内容也许不重要，但习惯很重要！