离线计算系统之HDFS Java API

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

一、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>

2、window下开发的说明注：如需手动引入jar包，hdfs的jar包----hadoop的安装目录的share下

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：

在windows的某个目录下解压一个hadoop的安装包
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
在window系统中配置HADOOP_HOME指向你解压的安装包
在windows系统的path变量中加入hadoop的bin目录

二、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

public class TestHDFS {Configuration conf = null;FileSystem fs = null;@Beforepublic void conn() throws IOException {conf = new Configuration();// conf.set("fs.defaultFS", "hdfs://192.168.18.103:9000");fs = FileSystem.get(conf);}@Afterpublic void close() throws IOException {fs.close();}
}

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；

那么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

三、DistributedFileSystem实例对象所具备的方法

四、客户端操作数据代码示例：

4.1、文件的增删改查

public class HdfsClient {FileSystem fs = null;@Beforepublic 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.xmlConfiguration 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*/@Testpublic 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*/@Testpublic void testDownloadFileToLocal() throws IllegalArgumentException, IOException {fs.copyToLocalFile(new Path("/jdk-7u65-linux-i586.tar.gz"), new Path("d:/"));fs.close();}@Testpublic 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truefs.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*/@Testpublic 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*/@Testpublic 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());}}
}

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;@Beforepublic void init() throws Exception {Configuration conf = new Configuration();fs = FileSystem.get(new URI("hdfs://hdp-node01:9000"), conf, "hadoop");}@Testpublic 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*/@Testpublic 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*/@Testpublic void testCat() throws IllegalArgumentException, IOException{                  FSDataInputStream in = fs.open(new Path("/iloveyou.txt"));IOUtils.copyBytes(in, System.out, 1024);}
}

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

 @Testpublic 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();}