前言:大数据系列包括hadoop,zookeeper,hive,flume,kafka,hbase,storm,spark等组件,我在这里会很详细跟大家分享集群的搭建和全部组件的使用,会有具体的案例。
HDFS API操作
实现步骤:
1.创建java工程(Map/Reduce Project)
2.导入hadoop依赖jar包
连接namenode以及读取hdfs中指定文件
@Test
public void testConnectNamenode() throws Exception{
Configuration conf=new Configuration();
FileSystem fs=FileSystem.get(new URI("hdfs://192.168.234.21:9000"), conf);
InputStream in=fs.open(new Path("/park/1.txt"));
OutputStream out=new FileOutputStream("1.txt");
IOUtils.copyBytes(in, out, conf);
}
上传文件到hdfs上
@Test
public void testPut() throws Exception{
Configuration conf=new Configuration();
conf.set("dfs.replication","1");
FileSystem fs=FileSystem.get(new URI("hdfs://192.168.234.21:9000"),conf,"root");
ByteArrayInputStream in=new ByteArrayInputStream("hello hdfs".getBytes());
OutputStream out=fs.create(new Path("/park/2.txt"));
IOUtils.copyBytes(in, out, conf);
}
从hdfs上删除文件
@Test
public void testDelete()throws Exception{
Configuration conf=new Configuration();
FileSystem fs=FileSystem.get(new URI("hdfs://192.168.234.21:9000"),conf,"root");
//true表示无论目录是否为空,都删除掉。可以删除指定的文件
fs.delete(new Path("/park01"),true);
//false表示只能删除不为空的目录。
fs.delete(new Path("/park01"),false);
fs.close();
}
在hdfs上创建文件夹
@Test
public void testMkdir()throws Exception{
Configuration conf=new Configuration();
FileSystem fs=FileSystem.get(new URI("hdfs://192.168.234.21:9000"),conf,"root");
fs.mkdirs(new Path("/park02"));
}
查询hdfs指定目录下的文件
@Test
public void testLs()throws Exception{
Configuration conf=new Configuration();
FileSystem fs=FileSystem.get(new URI("hdfs://192.168.234.21:9000"),conf,"root");
FileStatus[] ls=fs.listStatus(new Path("/"));
for(FileStatus status:ls){
System.out.println(status);
}
}
递归查看指定目录下的文件
@Test
public void testLs()throws Exception{
Configuration conf=new Configuration();
FileSystem fs=FileSystem.get(new URI("hdfs://192.168.234.214:9000"),conf,"root");
RemoteIterator<LocatedFileStatus> rt=fs.listFiles(new Path("/"), true);
while(rt.hasNext()){
System.out.println(rt.next());
}
}
重命名
/*重命名
*/
@Test
public void testCreateNewFile() throws Exception{
Configuration conf=new Configuration();
FileSystem fs=FileSystem.get(new URI("hdfs://192.168.234.176:9000"),conf,"root");
fs.rename(new Path("/park"), new Path("/park01"));
}
获取文件的块信息
@Test
public void testCopyFromLoaclFileSystem() throws Exception{
Configuration conf=new Configuration();
FileSystem fs=FileSystem.get(new URI("hdfs://192.168.234.176:9000"),conf,"root");
BlockLocation[] data=fs.getFileBlockLocations(new Path("/park01/1.txt"),0,Integer.MaxValue);
for(BlockLocation bl:data){
System.out.println(bl);
}
}
HDFS各流程图
HDFS架构图
1)namnode,名字节点,最主要管理HDFS的元数据信息
2)datanode,数据节点,存储文件块
3)replication,文件块的副本,目的是确保数据存储的可靠性
4)rack 机架
5)Client 客户端。凡是通过指令或代码操作的一端都是客户端
6)Client 的Read(从HDFS下载文件到本地)
7)Client的Write(上传文件到HDFS上)
从HDFS下载文件过程
1.客户端向namenode发起Open File。目的是获取要下载的文件的输入流。
namenode收到请求之后,会检查路径的合法性,以及客户端的权限。
2.客户端在发起Open File的同时,还会调用 GetBlockLoaction。当第一步的检测都通过之后,namenode会将文件的块信息(元数据信息)封装到输入流,交给客户端。
3.4 客户端用输入流,根据元数据信息,去指定的datanode读取文件块(按blockid的顺序读取)
5.文件下载完成后关闭。
上传文件到HDFS
1.客户端发起Create File,目的是获取HDFS文件的输出流。namenode收到请求后会检测路径的合法性,以及权限。原生Hadoop的权限管理不是很完善,工作中的用的是CDH(商业版Hadoop)
如果检测都通过,namenode会为这个文件生成块的元数据信息(比如:①为文件切块②分配块id ③分配每个块存在哪个dataonde上),然后将元数据信息封装到输出流中,返回给客户端。
2.3 Client拿出输出流之后,采用PipeLine(数据流管道)机制做数据的上传(发送),这样设计的目的在于利用每台服务的带宽,最小化推送数据的延时。
packet是一个64kb大小的数据包。即客户端在发送文件块时,会文件块变成一个一个的数据包发送。
4.5 每台datanode收到packet收,会向上游datanode做ack确认,如果接受失败,会进行重发
6.当一个文件上传完后,关流。
从HDFS删除文件的流程
1.当客户端发起一个删除指令: hadoop fs -rm /park01/1.txt,这个指令会传给namenode
2.当namenode收到指令后,做路径和权限检测,如果检测都通过,会将对应的文件信息从内存里删除。此时,文件数据并不是马上就从集群上被删除
3.datanode向namenode发送心跳时(默认是3s周期),会领取删除指令,然后从磁盘上将文件删除。
注:下一篇分享MapReduce原理及代码