Java 操作 Hadoop 集群之 HDFS 的应用案例详解

Java 操作 Hadoop

注意：本文内容基于 Hadoop 集群搭建完成基础上：
Linux 系统 CentOS7 上搭建 Hadoop HDFS集群详细步骤

本文的内容是基于下面前提：

• Hadoop 集群搭建完成并能正常启动和访问
• Idea 和 Maven 分别安装完成
• 需要有 JavaSE 基础和熟悉操作hadoop 的 hdfs dfs 命令

内容大纲

• Maven 及 idea 中 Maven 相关配置
  • 本地仓库
  • 阿里镜像
  • JDK 编译版本
• Java 操作 Hadoop
  • 查询文件列表
  • 上传文件及应用案例
  • 读取文件内容
  • 新建文件及内容追加
  • 文件删除
  • 文件下载
  • 文件移动

配置 Idea 中的 Maven

配置 Maven

配置文件目录：maven 安装目录/conf/settings.xml

• 本地仓库
• 阿里镜像
• JDK 编译版本

本地仓库

<localRepository>D:/Soft/apache-maven-3.6.3/repo</localRepository>

阿里镜像

默认下载的地址是国外网址，速度比较慢或不稳定，可以配置切换为阿里的网址

settings.xml 中找到<mirrors>节点，在节点中配置子节点<mirror>

配置如下：

<mirrors>   
<!-- mirror
     | Specifies a repository mirror site to use instead of a given repository. The repository that
     | this mirror serves has an ID that matches the mirrorOf element of this mirror. IDs are used
     | for inheritance and direct lookup purposes, and must be unique across the set of mirrors.
     |
    <mirror>
      <id>mirrorId</id>
      <mirrorOf>repositoryId</mirrorOf>
      <name>Human Readable Name for this Mirror.</name>
      <url>http://my.repository.com/repo/path</url>
    </mirror>
	<mirror>
		<id>nexus-aliyun</id>
		<mirrorOf>central</mirrorOf>
		<name>Nexus aliyun</name>
		<url>http://maven.aliyun.com/nexus/content/groups/public</url>
	</mirror>
     -->
	 
	<mirror>
		<id>nexus-aliyun</id>
		<mirrorOf>central</mirrorOf>
		<name>Nexus aliyun</name>
		<url>http://maven.aliyun.com/nexus/content/groups/public</url>
	</mirror>

  </mirrors>

配置 JDK

在 settings.xml 中找到 <profiles> 节点，在中间增加子节点<profile>

增加的内容如下：

	<profile>
		<id>jdk11</id>
		<activation>
			<activeByDefault>true</activeByDefault>
			<jdk>11</jdk>
		</activation>
		<properties>
			<maven.compiler.source>11</maven.compiler.source>
			<maven.compiler.target>11</maven.compiler.target>
			<maven.compiler.compilerVersion>11</maven.compiler.compilerVersion>
		</properties>
	</profile>

Java 操作 Hadoop

• 查询指定目录下文件列表 — ls
• 在 hadoop 上创建目录
• 上传本地(windows) 上传到 hadoop
• 下载 hdfs 上的文件到本地
• 写出内容到 hdfs 指定文件中
• 删除指定文件

准备

• 使用 idea 新建 maven 项目
• 配置 pom.xml

在空工程下新建 module

配置 pom.xml:

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.wdzl</groupId>
    <artifactId>hadoop04</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>17</maven.compiler.source>
        <maven.compiler.target>17</maven.compiler.target>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>3.2.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>3.2.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>3.2.0</version>
        </dependency>
    </dependencies>

</project>

注意：配置 pom.xml 完成后，一定要注意点击右上角的刷新按钮

现在对文件的操作成功与否，可以通过浏览器访问页面来查看

查询文件列表

用到的 Java 的 API ：

• org.apache.hadoop.conf.Configuration
• org.apache.hadoop.fs.FileSystem
• org.apache.hadoop.fs.FileStatus
• org.apache.hadoop.fs.Path

package org.wdzl;

import org.apache.hadoop.conf.Configuration;
import