Hadoop HDFS学习之HDFS客户端操作

一、HDFS客户端环境准备

1．根据自己电脑的操作系统拷贝对应的编译后的hadoop jar包到非中文路径（例如：D:\Installed\hadoop-2.10.1）。

2．配置HADOOP_HOME环境变量。

1、添加HADOOP_HOME环境变量
	HADOOP_HOME=D:\Installed\hadoop-2.10.1
2、PATH中添加
	%HADOOP_HOME%\bin
3、cmd中验证
	输入hadoop或者hdfs
	
Error: JAVA_HOME is incorrectly set. Please update D:\Installed\hadoop-2.10.1\etc\hadoop-env.cmd解决方法
原来是配置文件的问题，我的JAVA_HOME目录是C:\Program Files\Java\jdk1.8.0_261，因为Program Files中存在空格，所以出现错误，只需要用
PROGRA~1代替Program Files即可，即改为C:\PROGRA~1\Java\jdk1.8.0_121，当然，你也可以讲jdk装到根目录或者不存在空格等目录下。

3．创建一个Maven工程HdfsClientDemo

4．导入相应的依赖坐标+日志添加

<dependencies>
		<dependency>
			<groupId>junit</groupId>
			<artifactId>junit</artifactId>
			<version>RELEASE</version>
		</dependency>
		<dependency>
			<groupId>org.apache.logging.log4j</groupId>
			<artifactId>log4j-core</artifactId>
			<version>2.14.0</version>
		</dependency>
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-common</artifactId>
			<version>2.10.1</version>
		</dependency>
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-client</artifactId>
			<version>2.10.1</version>
		</dependency>
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-hdfs</artifactId>
			<version>2.10.1</version>
		</dependency>
		<dependency>
			<groupId>jdk.tools</groupId>
			<artifactId>jdk.tools</artifactId>
			<version>1.8</version>
			<scope>system</scope>
			<systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
		</dependency>
</dependencies>

注意：如果Eclipse/Idea打印不出日志，在控制台上只显示

1.log4j:WARN No appenders could be found for logger (org.apache.hadoop.util.Shell).  
2.log4j:WARN Please initialize the log4j system properly.  
3.log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.

需要在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入

log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

5．创建包名：com.sunao.hdfs

6．创建HdfsClient类

public class HdfsClient {
    public static void main(String[] args) throws IOException, URISyntaxException, InterruptedException {
        // 1 获取文件系统
        Configuration conf = new Configuration();

        // 配置在集群上运行方式一：
        // conf.set("fs.defaultFS", "hdfs://hadoop103:9000");
        // FileSystem fs = FileSystem.get(conf);

        // 方式二：
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop103:9000"), conf, "root");

        // 2 创建目录
        fs.mkdirs(new Path("/20210205/dashen"));
        //fs.delete(new Path("/20210205"), true);

        // 3 关闭资源
        fs.close();
    }
}

7．执行程序

方式一运行时需要配置用户名称:
客户端去操作HDFS时，是有一个用户身份的。默认情况下，HDFS客户端API会从JVM中获取一个参数来作为自己的用户身份：
-DHADOOP_USER_NAME=root，root为用户名称。

二、HDFS的API操作

1、HDFS文件上传（测试参数优先级）

（1）、编写源代码

@Test
public void testCopyFromLocalFile() throws URISyntaxException, IOException, InterruptedException {
    //File file = new File("testFiles/banzhang.txt");
    //System.out.println(file.exists());

    Configuration conf = new Configuration();

    //测试参数优先级，设置副本数量
    //conf.set("dfs.replication", "2");

    //获取客户端实例
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop103:9000"), conf, "root");
    //复制本地文件到hdfs
    fs.copyFromLocalFile(new Path("testFiles/banzhang.txt"), new Path("/banzhang.txt"));

    fs.close();
}

（2）、将hdfs-site.xml拷贝到项目的根目录下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
	<property>
		<name>dfs.replication</name>
        <value>1</value>
	</property>
</configuration>

（3）、参数优先级

参数优先级排序：（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

2、HDFS文件下载

@Test
public void testCopyToLocal() throws URISyntaxException, IOException, InterruptedException {
    //File file = new File("testFiles/banzhang.txt");
    //System.out.println(file.exists());

    // 1 获取文件系统
    Configuration conf = new Configuration();

    //获取客户端实例
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop103:9000"), conf, "root");

    // 2 执行下载操作
    //复制hdfs文件到本地
    //fs.copyToLocalFile(new Path("/panjinlian.txt"), new Path("testFiles/panjinlian.txt"));

    // boolean delSrc 指是否将原文件删除
    // Path src 指要下载的文件路径
    // Path dst 指将文件下载到的路径
    // boolean useRawLocalFileSystem 是否开启文件校验 默认false
    fs.copyToLocalFile(false, new Path("/panjinlian.txt"), new Path("testFiles/panjinlian.txt"), true);

    fs.close();
}

3、HDFS文件夹删除

@Test
public void testDelete() throws URISyntaxException, IOException, InterruptedException {
    Configuration conf = new Configuration();
    //获取客户端信息
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop103:9000"), conf, "root");
    //删除文件
    //fs.deleteOnExit(new Path("/banzhang.txt"));
    fs.delete(new Path("/20210205"), true);
    //关闭资源
    fs.close();
}

4、HDFS文件名更改

@Test
public void testRename() throws URISyntaxException, IOException, InterruptedException {
    Configuration conf = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop103:9000"),conf,"root");
    fs.rename(new Path("/banzhang.txt"),new Path("/zhangsan.txt"));
    fs.close();
}

5、HDFS文件详情查看

查看文件名称、权限、长度、块信息

@Test
public void testListFiles() throws URISyntaxException, IOException, InterruptedException {
    // 1获取文件系统
    Configuration conf = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop103:9000"), conf, "root");

    // 2 获取文件详情
    RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
    while (listFiles.hasNext()) {
        LocatedFileStatus status = listFiles.next();
        // 输出详情
        // 文件名称
        System.out.println(status.getPath().getName());
        // 长度
        System.out.println(status.getLen());
        // 权限
        System.out.println(status.getPermission());
        // 分组
        System.out.println(status.getGroup());

        // 获取存储的块信息
        BlockLocation[] blockLocations = status.getBlockLocations();

        for (BlockLocation blockLocation : blockLocations) {
            // 获取块存储的主机节点
            String[] hosts = blockLocation.getHosts();
            for (String host : hosts) {
                System.out.println(host);
            }
        }
        System.out.println("-----------班长的分割线----------");
    }

    //关闭资源
    fs.close();
}

6、HDFS文件和文件夹判断

@Test
public void testListStatus() throws URISyntaxException, IOException, InterruptedException {
    // 1获取文件系统
    Configuration conf = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop103:9000"), conf, "root");

    // 2 判断是文件还是文件夹
    FileStatus[] listStatus = fs.listStatus(new Path("/"));

    for (FileStatus fileStatus : listStatus) {
        // 如果是文件
        if (fileStatus.isFile()) {
            System.out.println("f:" + fileStatus.getPath().getName());
        } else {
            System.out.println("d:" + fileStatus.getPath().getName());
        }
    }

    //关闭资源
    fs.close();
}

三、HDFS的I/O流操作

上面我们学的API操作HDFS系统都是框架封装好的。那么如果我们想自己实现上述API的操作该怎么实现呢？我们可以采用IO流的方式实现数据的上传和下载。

1、HDFS文件上传

@Test
public void putFileToHdfs() throws URISyntaxException, IOException, InterruptedException {
    // 1 获取文件系统
    Configuration conf = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop103:9000"), conf, "root");

    // 2 创建输入流
    FileInputStream fis = new FileInputStream("testFiles/banzhang.txt");
    // 3 获取输出流
    FSDataOutputStream fos = fs.create(new Path("/banzhang.txt"));
    // 4 流对拷
    IOUtils.copyBytes(fis, fos, conf);

    // 5 关闭资源
    IOUtils.closeStream(fos);
    IOUtils.closeStream(fis);
    fs.close();
}

2、HDFS文件下载

@Test
public void getFileFromHdfs() throws URISyntaxException, IOException, InterruptedException {
    // 1 获取文件系统
    Configuration conf = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop103:9000"), conf, "root");

    // 2 创建输入流
    FSDataInputStream fis = fs.open(new Path("/zhangsan.txt"));
    // 3 获取输出流
    FileOutputStream fos = new FileOutputStream("testFiles/zhangsan.txt");
    // 4 流对拷
    IOUtils.copyBytes(fis, fos, conf);

    // 5 关闭资源
    IOUtils.closeStream(fos);
    IOUtils.closeStream(fis);
    fs.close();
}

3、定位文件读取

/**
 * 定位文件读取下载第一块
 */
@Test
public void readFileSeek1() throws URISyntaxException, IOException, InterruptedException {
    // 1获取文件系统
    Configuration conf = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop103:9000"), conf, "root");

    // 2 获取输入流
    FSDataInputStream fis = fs.open(new Path("/20210205/dashen/hadoop-2.10.1.tar.gz"));
    // 3 创建输出流
    FileOutputStream fos = new FileOutputStream("d:/hadoop-2.10.1.tar.gz.part1");

    // 4 流的拷贝（拷贝128MB）
    byte[] buf = new byte[1024];
    for (int i = 0; i < 1024 * 128; i++) {
        fis.read(buf);
        fos.write(buf);
    }

    // 5 关闭资源
    IOUtils.closeStream(fis);
    IOUtils.closeStream(fos);

    //关闭资源
    fs.close();
}

/**
 * 定位文件读取下载第二块
 */
@Test
public void readFileSeek2() throws URISyntaxException, IOException, InterruptedException {
    // 1获取文件系统
    Configuration conf = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop103:9000"), conf, "root");

    // 2 获取输入流
    FSDataInputStream fis = fs.open(new Path("/20210205/dashen/hadoop-2.10.1.tar.gz"));
    // 3 定位输入数据位置
    fis.seek(1024 * 1024 * 128);

    // 4 创建输出流
    FileOutputStream fos = new FileOutputStream("d:/hadoop-2.10.1.tar.gz.part2");

    // 5 流的拷贝（拷贝128MB）
    byte[] buf = new byte[1024];
    for (int i = 0; i < 1024 * 128; i++) {
        fis.read(buf);
        fos.write(buf);
    }

    // 6 关闭资源
    IOUtils.closeStream(fis);
    IOUtils.closeStream(fos);

    fs.close();
}

/**
 * 定位文件读取下载第三块
 */
@Test
public void readFileSeek3() throws URISyntaxException, IOException, InterruptedException {
    // 1获取文件系统
    Configuration conf = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://hadoop103:9000"), conf, "root");

    // 2 获取输入流
    FSDataInputStream fis = fs.open(new Path("/20210205/dashen/hadoop-2.10.1.tar.gz"));
    // 3 定位输入数据位置
    fis.seek(2 * 1024 * 1024 * 128);

    // 4 创建输出流
    FileOutputStream fos = new FileOutputStream("d:/hadoop-2.10.1.tar.gz.part3");

    // 5 流的对拷
    IOUtils.copyBytes(fis, fos, conf);

    // 6 关闭资源
    IOUtils.closeStream(fis);
    IOUtils.closeStream(fos);

    fs.close();
}

在Window命令窗口中进入到目录D:\，然后执行如下命令，对数据进行合并

type hadoop-2.10.1.tar.gz.part2 >> hadoop-2.10.1.tar.gz.part1

type hadoop-2.10.1.tar.gz.part3 >> hadoop-2.10.1.tar.gz.part1

合并完成后，将hadoop-2.10.1.tar.gz.part1重新命名为hadoop-2.10.1.tar.gz。解压发现该tar包非常完整。