一、准备工作
在hadoop-env.sh中配置好 HADOOP_CLASSPATH 变量,值为编译后的.class文件所放置的地方。
export HADOOP_CLASSPATH=/usr/software/hadoop/hadoop-2.2.0/classpath
二、编写程序
import org.apache.hadoop.fs.FsUrlStreamHandlerFactory;
import org.apache.hadoop.io.IOUtils;
import java.io.IOException;
import java.io.InputStream;
import java.net.URL;
public class URLCat {
static {
URL.setURLStreamHandlerFactory(new FsUrlStreamHandlerFactory());
}
//读取文件输出
public static void main(String[] args) {
InputStream in = null;
try {
in = new URL(args[0]).openStream();
IOUtils.copyBytes(in, System.out, 4096, false);
}catch (IOException e){
e.printStackTrace();
}finally {
IOUtils.closeStream(in);
}
}
}
三、编译执行
[root@localhost classpath]# javac URLCat.java
[root@localhost classpath]# hadoop URLCat hdfs://localhost/part-r-00000
1901 317
1949 111
1950 22
四、程序介绍
要从 Hadoop 文件系统中读取文件,最简单的方法是使用 java.net.URL 对象打开数据流,从中读取数据。
让 Java 程序能够识别 Hadoop 的 hdfs URL 方案还需要一些额外的工作。这里采用的方法是 FsUrlStreamHandlerFactory 实例,调用 java.net.URL 对象的 setURLStreamHandlerFactory方法将其设置为 URL 对象所使用的URLStreamHandlerFactory
每个虚拟机只能调用一次该方法,因此通常在静态方法或代码块中调用。这个限制意味着如果程序的其他第三方组件也声明过一个 FsUrlStreamHandlerFactory 实例,该程序将无法使用。