欢迎到https://github.com/huabingood/everyDayLanguagePractise查看源码。
一.构建环境
在hadoop的安装包中的share目录中有hadoop所有你能想象到的内容。
进入安装包下的share文件夹你会看到doc和hadoop文件夹。其中doc中是hadoop的整个document。而hadoop文件夹中则存放着所有开发hadoop所有用到的jar包，其依赖放到相应的lib文件夹中。
我们这次用到的是hadoop文件夹中的common以及hdfs文件夹中的内容。在创建工程时，继续将这两个文件夹中的jar包添加到相应的工程中，然后将文件夹中的lib文件夹的所有jar包作为依赖也添加到工程文件中（common和hdfs文件的lib文件中的jar包可能存在重复，注意去重。）；其中source文件夹是该模块的源码包，如果想在IDEA中看到源码，需要将这些内容也添加到工程中。
二.操作HDFS流程
- 获取HDFS的配置，根据HDFS的配置获取整个HDFS操作系统的内容
- 打开HDFS操作系统，进行操作
- 文件夹的操作：增删改查
- 文件的上传下载
- 文件的IO操作——hdfs之间的复制
三.具体的操作命令
- 根据配置获取HDFS文件操作系统（共有三种方式）
- 方法一：直接获取配置文件方法
通常情况下该方法用于本地有hadoop系统，可以直接进行访问。此时仅需在配置文件中指定要操作的文件系统为hdfs即可。这里的conf的配置文件可以设置hdfs的各种参数，并且优先级比配置文件要搞 - 方法二：指定URI路径，进而获取配置文件创建操作系统
通常该方法用于本地没有hadoop系统，但是可以通过URI的方式进行访问。此时要给给定hadoop的NN节点的访问路径，hadoop的用户名，以及配置文件信息（此时会自动访问远程hadoop的配置文件）
- 方法一：直接获取配置文件方法
/**
* 根据配置文件获取HDFS操作对象
* 有两种方法：
* 1.使用conf直接从本地获取配置文件创建HDFS对象
* 2.多用于本地没有hadoop系统，但是可以远程访问。使用给定的URI和用户名，访问远程的配置文件，然后创建HDFS对象。
* @return FileSystem
*/
public FileSystem getHadoopFileSystem() { FileSystem fs = null;
Configuration conf = null; // 方法一，本地有配置文件，直接获取配置文件（core-site.xml，hdfs-site.xml）
// 根据配置文件创建HDFS对象
// 此时必须指定hdsf的访问路径。
conf = new Configuration();
// 文件系统为必须设置的内容。其他配置参数可以自行设置，且优先级最高
conf.set("fs.defaultFS", "hdfs://huabingood01:9000"); try {
// 根据配置文件创建HDFS对象
fs = FileSystem.get(conf);
} catch (IOException e) {
e.printStackTrace();
logger.error("",e);
} // 方法二：本地没有hadoop系统，但是可以远程访问。根据给定的URI和用户名，访问hdfs的配置参数
// 此时的conf不需任何设置，只需读取远程的配置文件即可。
/*conf = new Configuration();
// Hadoop的用户名
String hdfsUserName = "huabingood"; URI hdfsUri = null;
try {
// HDFS的访问路径
hdfsUri = new URI("hdfs://huabingood01:9000");
} catch (URISyntaxException e) {
e.printStackTrace();
logger.error(e);
} try {
// 根据远程的NN节点，获取配置信息，创建HDFS对象
fs = FileSystem.get(hdfsUri,conf,hdfsUserName);
} catch (IOException e) {
e.printStackTrace();
logger.error(e);
} catch (InterruptedException e) {
e.printStackTrace();
logger.error(e);
}*/ // 方法三，反正我们没有搞懂。
/*conf = new Configuration();
conf.addResource("/opt/huabingood/pseudoDistributeHadoop/hadoop-2.6.0-cdh5.10.0/etc/hadoop/core-site.xml");
conf.addResource("/opt/huabingood/pseudoDistributeHadoop/hadoop-2.6.0-cdh5.10.0/etc/hadoop/hdfs-site.xml"); try {
fs = FileSystem.get(conf);
} catch (IOException e) {
e.printStackTrace();
logger.error(e);
}*/ return fs;
}
2.添加文件夹
/**
* 这里的创建文件夹同shell中的mkdir -p 语序前面的文件夹不存在
* 跟java中的IO操作一样，也只能对path对象做操作；但是这里的Path对象是hdfs中的
* @param fs
* @return
*/
public boolean myCreatePath(FileSystem fs){
boolean b = false; Path path = new Path("/hyw/test/huabingood/hyw");
try {
// even the path exist,it can also create the path.
b = fs.mkdirs(path);
} catch (IOException e) {
e.printStackTrace();
logger.error(e);
} finally {
try {
fs.close();
} catch (IOException e) {
e.printStackTrace();
logger.error(e);
}
}
return b;
}
3.删除文件夹
/**
* 删除文件，实际上删除的是给定path路径的最后一个
* 跟java中一样，也需要path对象，不过是hadoop.fs包中的。
* 实际上delete(Path p)已经过时了，更多使用delete(Path p,boolean recursive)
* 后面的布尔值实际上是对文件的删除，相当于rm -r
* @param fs
* @return
*/
public boolean myDropHdfsPath(FileSystem fs){
boolean b = false;
// drop the last path
Path path = new Path("/huabingood/hadoop.tar.gz");
try {
b = fs.delete(path,true);
} catch (IOException e) {
e.printStackTrace();
logger.error(e);
} finally {
try {
fs.close();
} catch (IOException e) {
e.printStackTrace();
logger.error(e);
}
} return b;
}
4.重命名
/**
* 重命名文件夹
* @param hdfs
* @return
*/
public boolean myRename(FileSystem hdfs){
boolean b = false;
Path oldPath = new Path("/hyw/test/huabingood");
Path newPath = new Path("/hyw/test/huabing"); try {
b = hdfs.rename(oldPath,newPath);
} catch (IOException e) {
e.printStackTrace();
logger.error(e);
}finally {
try {
hdfs.close();
} catch (IOException e) {
e.printStackTrace();
logger.error(e);
}
} return b;
}
5.文件夹的递归遍历
/**
* 遍历文件夹
* public FileStatus[] listStatus(Path p)
* 通常使用HDFS文件系统的listStatus(path)来获取改定路径的子路径。然后逐个判断
* 值得注意的是：
* 1.并不是总有文件夹中有文件，有些文件夹是空的，如果仅仅做是否为文件的判断会有问题，必须加文件的长度是否为0的判断
* 2.使用getPath()方法获取的是FileStatus对象是带URL路径的。使用FileStatus.getPath().toUri().getPath()获取的路径才是不带url的路径
* @param hdfs
* @param listPath 传入的HDFS开始遍历的路径
* @return
*/
public Set<String> recursiveHdfsPath(FileSystem hdfs,Path listPath){ /*FileStatus[] files = null;
try {
files = hdfs.listStatus(listPath);
Path[] paths = FileUtil.stat2Paths(files);
for(int i=0;i<files.length;i++){
if(files[i].isFile()){
// set.add(paths[i].toString());
set.add(paths[i].getName());
}else {
recursiveHdfsPath(hdfs,paths[i]);
}
}
} catch (IOException e) {
e.printStackTrace();
logger.error(e);
}*/ FileStatus[] files = null; try {
files = hdfs.listStatus(listPath);
// 实际上并不是每个文件夹都会有文件的。
if(files.length == 0){
// 如果不使用toUri()，获取的路径带URL。
set.add(listPath.toUri().getPath());
}else {
// 判断是否为文件
for (FileStatus f : files) {
if (files.length == 0 || f.isFile()) {
set.add(f.getPath().toUri().getPath());
} else {
// 是文件夹，且非空，就继续遍历
recursiveHdfsPath(hdfs, f.getPath());
}
}
}
} catch (IOException e) {
e.printStackTrace();
logger.error(e);
}
return set;
}
6.文件的判断
/**
* 文件简单的判断
* 是否存在
* 是否是文件夹
* 是否是文件
* @param fs
*/
public void myCheck(FileSystem fs){
boolean isExists = false;
boolean isDirectorys = false;
boolean isFiles = false; Path path = new Path("/hyw/test/huabingood01"); try {
isExists = fs.exists(path);
isDirectorys = fs.isDirectory(path);
isFiles = fs.isFile(path);
} catch (IOException e){
e.printStackTrace();
logger.error(e);
} finally {
try {
fs.close();
} catch (IOException e) {
e.printStackTrace();
logger.error(e);
}
} if(!isExists){
System.out.println("lu jing not cun zai.");
}else{
System.out.println("lu jing cun zai.");
if(isDirectorys){
System.out.println("Directory");
}else if(isFiles){
System.out.println("Files");
}
}
7.文件配置信息的查询
/**
* 获取配置的所有信息
* 首先，我们要知道配置文件是哪一个
* 然后我们将获取的配置文件用迭代器接收
* 实际上配置中是KV对，我们可以通过java中的Entry来接收
*
*/
public void showAllConf(){
Configuration conf = new Configuration();
conf.set("fs.defaultFS", "hdfs://huabingood01:9000");
Iterator<Map.Entry<String,String>> it = conf.iterator();
while(it.hasNext()){
Map.Entry<String,String> entry = it.next();
System.out.println(entry.getKey()+"=" +entry.getValue());
}
}
8.文件的上传
/**
* 文件下载
* 注意下载的路径的最后一个地址是下载的文件名
* copyToLocalFile(Path local,Path hdfs)
* 下载命令中的参数是没有任何布尔值的，如果添加了布尔是，意味着这是moveToLocalFile()
* @param fs
*/
public void getFileFromHDFS(FileSystem fs){
Path HDFSPath = new Path("/hyw/test/hadoop-2.6.0-cdh5.10.0.tar.gz");
Path localPath = new Path("/home/huabingood"); try {
fs.copyToLocalFile(HDFSPath,localPath);
} catch (IOException e) {
e.printStackTrace();
logger.error("zhe li you cuo wu !" ,e);
}finally {
try {
fs.close();
} catch (IOException e) {
e.printStackTrace();
logger.error("zhe li you cuo wu !", e);
}
}
}
9.文件的下载
/**
* 文件的下载
* 注意事项同文件的上传
* 注意如果上传的路径不存在会自动创建
* 如果存在同名的文件，会覆盖
* @param fs
*/
public void myPutFile2HDFS(FileSystem fs){ boolean pathExists = false;
// 如果上传的路径不存在会创建
// 如果该路径文件已存在，就会覆盖
Path localPath = new Path("/home/huabingood/绣春刀.rmbv");
Path hdfsPath = new Path("/hyw/test/huabingood/abc/efg/绣春刀.rmbv"); try {
fs.copyFromLocalFile(localPath,hdfsPath);
} catch (IOException e) {
e.printStackTrace();
}finally {
try {
fs.close();
} catch (IOException e) {
e.printStackTrace();
}
} }
10.文件的IO操作——HDFS之间文件的复制
/**
* hdfs之间文件的复制
* 使用FSDataInputStream来打开文件open(Path p)
* 使用FSDataOutputStream开创建写到的路径create(Path p)
* 使用 IOUtils.copyBytes(FSDataInputStream,FSDataOutputStream,int buffer,Boolean isClose)来进行具体的读写
* 说明：
* 1.java中使用缓冲区来加速读取文件，这里也使用了缓冲区，但是只要指定缓冲区大小即可，不必单独设置一个新的数组来接受
* 2.最后一个布尔值表示是否使用完后关闭读写流。通常是false，如果不手动关会报错的
* @param hdfs
*/
public void copyFileBetweenHDFS(FileSystem hdfs){
Path inPath = new Path("/hyw/test/hadoop-2.6.0-cdh5.10.0.tar.gz");
Path outPath = new Path("/huabin/hadoop.tar.gz"); // byte[] ioBuffer = new byte[1024*1024*64];
// int len = 0; FSDataInputStream hdfsIn = null;
FSDataOutputStream hdfsOut = null; try {
hdfsIn = hdfs.open(inPath);
hdfsOut = hdfs.create(outPath); IOUtils.copyBytes(hdfsIn,hdfsOut,1024*1024*64,false); /*while((len=hdfsIn.read(ioBuffer))!= -1){
IOUtils.copyBytes(hdfsIn,hdfsOut,len,true);
}*/
} catch (IOException e) {
e.printStackTrace();
logger.error(e);
}finally {
try {
hdfsOut.close();
hdfsIn.close();
} catch (IOException e) {
e.printStackTrace();
} } }