Hadoop（五）搭建Hadoop与Java访问HDFS集群

2023-07-26 10:11:40

前言

　　上一篇详细介绍了HDFS集群，还有操作HDFS集群的一些命令，常用的命令：

    hdfs dfs -ls xxx

    hdfs dfs -mkdir -p /xxx/xxx

    hdfs dfs -cat xxx

    hdfs dfs -put local cluster

    hdfs dfs -get cluster local

    hdfs dfs -cp /xxx/xxx /xxx/xxx

    hdfs dfs -chmod -R  /xxx

    hdfs dfs -chown -R zyh:zyh /xxx

　　注意：这里要说明一下-cp，我们可以从本地文件拷贝到集群，集群拷贝到本地，集群拷贝到集群。

一、Hadoop客户端配置

　　其实在前面配置的每一个集群节点都可以做一个Hadoop客户端。但是我们一般都不会拿用来做集群的服务器来做客户端，需要单独的配置一个客户端。

1）安装JDK

2）安装Hadoop

3）客户端配置子core-site.xml

4）客户端配置之mapred-site.xml

5）客户端配置之yarn-site.xml

以上就搭建了一个Hadoop的客户端

二、Java访问HDFS集群

2.1、HDFS的Java访问接口　

　　1）org.apache.hadoop.fs.FileSystem
　　　　是一个通用的文件系统API，提供了不同文件系统的统一访问方式。
　　2）org.apache.hadoop.fs.Path
　　　　是Hadoop文件系统中统一的文件或目录描述，类似于java.io.File对本地文件系统的文件或目录描述。
　　3）org.apache.hadoop.conf.Configuration
　　　　读取、解析配置文件(如core-site.xml/hdfs-default.xml/hdfs-site.xml等)，或添加配置的工具类
　　4）org.apache.hadoop.fs.FSDataOutputStream
　　　　对Hadoop中数据输出流的统一封装
　　5）org.apache.hadoop.fs.FSDataInputStream
　　　　对Hadoop中数据输入流的统一封装

2.2、Java访问HDFS主要编程步骤　

　1）构建Configuration对象，读取并解析相关配置文件
　　　　Configuration conf=new Configuration();
　　2）设置相关属性
　　　　conf.set("fs.defaultFS","hdfs://1IP:9000");
　　3）获取特定文件系统实例fs（以HDFS文件系统实例）
　　　　FileSystem fs=FileSystem.get(new URI("hdfs://IP:9000"),conf,“hdfs");
　　4）通过文件系统实例fs进行文件操作(以删除文件实例)
　　　　fs.delete(new Path("/user/liuhl/someWords.txt"));

2.3、使用FileSystem API读取数据文件

　　有两个静态工厂方法来获取FileSystem实例文件系统。

　　常用的就第二个和第四个

三、实战Java访问HDFS集群

3.1、环境介绍

　　1）使用的是IDEA+Maven来进行测试

　　2）Maven的pom.xml文件

<?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.</modelVersion>

    <groupId>com.jxlg.zyh.hadoop</groupId>

    <artifactId>Hadoop_0010</artifactId>

    <version>1.0-SNAPSHOT</version>

    <dependencies>

        <dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-common</artifactId>

            <version>2.8.</version>

        </dependency>

        <dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-client</artifactId>

            <version>2.8.</version>

        </dependency>

        <dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-hdfs</artifactId>

            <version>2.8.</version>

        </dependency>

        <dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-mapreduce-client-core</artifactId>

            <version>2.8.</version>

        </dependency>

        <dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-auth</artifactId>

            <version>2.8.</version>

        </dependency>

        <dependency>

            <groupId>log4j</groupId>

            <artifactId>log4j</artifactId>

            <version>1.2.</version>

        </dependency>

        <dependency>

            <groupId>commons-logging</groupId>

            <artifactId>commons-logging</artifactId>

            <version>1.2</version>

        </dependency>

        <dependency>

            <groupId>com.google.guava</groupId>

            <artifactId>guava</artifactId>

            <version>19.0</version>

        </dependency>

        <dependency>

            <groupId>commons-collections</groupId>

            <artifactId>commons-collections</artifactId>

            <version>3.2.</version>

        </dependency>

        <dependency>

            <groupId>commons-cli</groupId>

            <artifactId>commons-cli</artifactId>

            <version>1.2</version>

        </dependency>

        <dependency>

            <groupId>commons-lang</groupId>

            <artifactId>commons-lang</artifactId>

            <version>2.6</version>

        </dependency>

        <dependency>

            <groupId>commons-configuration</groupId>

            <artifactId>commons-configuration</artifactId>

            <version>1.9</version>

        </dependency>

        <dependency>

            <groupId>org.apache.avro</groupId>

            <artifactId>avro</artifactId>

            <version>1.7.</version>

        </dependency>

        <dependency>

            <groupId>commons-io</groupId>

            <artifactId>commons-io</artifactId>

            <version>2.5</version>

        </dependency>

    </dependencies>

    <build>

        <plugins>

            <plugin>

                <groupId>org.apache.maven.plugins</groupId>

                <artifactId>maven-assembly-plugin</artifactId>

                <version>3.0.</version>

                <configuration>

                    <descriptorRefs>

                        <descriptorRef>jar-with-dependencies</descriptorRef>

                    </descriptorRefs>

                </configuration>

                <executions>

                    <execution>

                        <id>make-my-jar-with-dependencies</id>

                        <phase>package</phase>

                        <goals>

                            <goal>single</goal>

                        </goals>

                    </execution>

                </executions>

            </plugin>

            <plugin>

                <groupId>org.apache.maven.plugins</groupId>

                <artifactId>maven-compiler-plugin</artifactId>

                <version>3.3</version>

                <configuration>

                    <source>1.8</source>

                    <target>1.8</target>

                </configuration>

            </plugin>

            <plugin>

                <groupId>org.apache.maven.plugins</groupId>

                <artifactId>maven-dependency-plugin</artifactId>

                <version>3.0.</version>

                <executions>

                    <execution>

                        <phase>package</phase>

                        <goals>

                            <goal>copy-dependencies</goal>

                        </goals>

                    </execution>

                </executions>

            </plugin>

        </plugins>

    </build>

</project>

pom.xml

　　3）HDFS集群一个NameNode和两个DataNode

3.2、查询HDFS集群文件系统的一个文件将它文件内容打印出来

package com.jslg.zyh.hadoop.hdfs;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.fs.FSDataInputStream;

import org.apache.hadoop.fs.FileSystem;

import org.apache.hadoop.fs.Path;

import java.io.File;

import java.io.FileOutputStream;

import java.io.IOException;

import java.io.OutputStream;

import java.net.URI;

public class CatDemo_0010 {

    public static void main(String[] args) throws IOException {

        // 创建Configuration对象

        Configuration conf=new Configuration();

        // 创建FileSystem对象

        FileSystem fs=

                FileSystem.get(URI.create(args[]),conf);

        // 需求：查看/user/kevin/passwd的内容

        // args[0] hdfs://1.0.0.5:9000/user/zyh/passwd

        // args[0] file:///etc/passwd

        FSDataInputStream is=

                fs.open(new Path(args[]));

        byte[] buff=new byte[];

        int length=;

        while((length=is.read(buff))!=-){

            System.out.println(

                    new String(buff,,length));

        }

        System.out.println(

                fs.getClass().getName());

    }

}

　　1）需要在HDFS文件系统中有passwd.txt文件，如果没有需要自己创建

　　　　hdfs dfs -mkdir -p /user/zyh

　　　　hdfs dfs -put /etc/passwd /user/zyh/passwd.txt

　　2）将Maven打好的jar包发送到服务器中，这里我们就在NameNode主机中执行，每一个节点都是一个客户端。

　　　　注意：

　　　　　　这里要发送第二个包，因为它把相关类也打进jar中

　　　　查看服务器已经收到jar包

　　3）执行jar包查看结果

　　我们可以看到查询出来了passwd.txt中的内容

　　注意：在最后我们还查看了一下FileSystem类，因为我们知道FileSystem是抽象类，它是根据后面的URI来确定到底调用的是哪一个子类的。

3.3、我们在IEDA中执行来获取文件系统的内容并打印在控制台和相应的本地文件中

　　1）主要代码

 public static void main(String[] args) throws IOException {

        //创建configuration对象

        Configuration conf = new Configuration();

        //创建FileSystem对象

        //需求：查看hdfs集群服务器/user/zyh/passwd.txt的内容

        FileSystem fs = FileSystem.get(URI.create("hdfs://1.0.0.5:9000/user/zyh/passwd.txt"), conf);

        // args[0] hdfs://1.0.0.3:9000/user/zyh/passwd.txt

        // args[0] file:///etc/passwd.txt

        FSDataInputStream is = fs.open(new Path("hdfs://1.0.0.5:9000/user/zyh/passwd.txt"));

        OutputStream os=new FileOutputStream(new File("D:/a.txt"));

        byte[] buff= new byte[];

        int length = ;

        while ((length=is.read(buff))!=-){

            System.out.println(new String(buff,,length));

            os.write(buff,,length);

            os.flush();

        }

        System.out.println(fs.getClass().getName());

        //这个是根据你传的变量来决定这个对象的实现类是哪个

    }

　　2）Maven重新编译，并执行

　　3）结果

　　　　在控制台中：

　　　　在本地文件中：

3.4、获取HDFS集群文件系统中的文件到本地文件系统

　　1）主要代码

public class GetDemo_0010 {

    public static void main(String[] args) throws IOException {

        Configuration conf=

                new Configuration();

        // 获取从集群上读取文件的文件系统对象

        // 和输入流对象

        FileSystem inFs=

                FileSystem.get(

                        URI.create(args[]),conf);

        FSDataInputStream is=

                inFs.open(new Path(args[]));

        // 获取本地文件系统对象

        //当然这个你也可以用FileOutputStream

        LocalFileSystem outFs=

                FileSystem.getLocal(conf);

        FSDataOutputStream os=

                outFs.create(new Path(args[]));

        byte[] buff=new byte[];

        int length=;

        while((length=is.read(buff))!=-){

            os.write(buff,,length);

            os.flush();

        }

        System.out.println(

                inFs.getClass().getName());

        System.out.println(

                is.getClass().getName());

        System.out.println(

                outFs.getClass().getName());

        System.out.println(

                os.getClass().getName());

        os.close();

        is.close();

    }

}

　　2）结果

　　我们可以看到对于HDFS集群中获取的FileSystem对象是分布式文件系统，而输入流是HdfsDataInputStream主要用来做数据的传输。

　　对于本地来说获取到的FileSystem对象时本地文件系统，而输出流就是FSDataOutputStream。

将HDFS中的文件拿到windows中：　

        //创建configuration对象

        Configuration conf = new Configuration();

// 获取从集群上读取文件的文件系统对象

        // 和输入流对象

        FileSystem inFs=

            FileSystem.get(

                URI.create("file://1.0.0.5:9000/user/kevin/passwd"),conf);

        FSDataInputStream is=

            inFs.open(new Path("hdfs://1.0.0.5:9000/user/kevin/passwd"));

        // 获取本地文件系统对象

        LocalFileSystem outFs=

            FileSystem.getLocal(conf);

        FSDataOutputStream os=

            outFs.create(new Path("C:\\passwd"));

        byte[] buff=new byte[];

        int length=;

        while((length=is.read(buff))!=-){

            os.write(buff,,length);

            os.flush();

        }

        System.out.println(

            inFs.getClass().getName());

        System.out.println(

            is.getClass().getName());

        System.out.println(

            outFs.getClass().getName());

        System.out.println(

            os.getClass().getName());

        os.close();

        is.close();

3.5、通过设置命令行参数变量来编程

　　这里需要借助Hadoop中的一个类Configured、一个接口Tool、ToolRunner（主要用来运行Tool的子类也就是run方法）

　　分析：

　　　　1）我们查看API可以看到ToolRunner中有一个run方法：

　　　　　　里面需要一个Tool的实现类和使用args用来传递参数的String类型的数据

　　　　2）分析Configured

　　　　　　这是Configurable接口中有一个getConf()方法

　　　　　　而在Configured类中实现了Configurable接口

　　　　　　所以Configured类中实现了Configurable接口的getConf()方法，使用它来获得一个Configuration对象

　　　　3）细说Configuration对象

　　　　　　可以获取Hadoop的所有配置文件中的数据

　　　　　　还可以通过使用命令行中使用-D（-D是一个标识）使用的变量以及值　　

　　1）主要代码　　

import java.net.URI;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.conf.Configured;

import org.apache.hadoop.fs.FSDataInputStream;

import org.apache.hadoop.fs.FSDataOutputStream;

import org.apache.hadoop.fs.FileSystem;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.io.IOUtils;

import org.apache.hadoop.util.Tool;

import org.apache.hadoop.util.ToolRunner;

public class GetDemo_0011

    extends Configured

    implements Tool{

    @Override

    public int run(String[] strings) throws Exception{

        //我们所有的代码都写在这个run方法中

        Configuration conf=

            getConf();

        String input=conf.get("input");

        String output=conf.get("output");

        FileSystem inFs=

            FileSystem.get(

                URI.create(input),conf);

        FSDataInputStream is=

            inFs.open(new Path(input));

        FileSystem outFs=

            FileSystem.getLocal(conf);

        FSDataOutputStream os=

            outFs.create(new Path(output));

        IOUtils.copyBytes(is,os,conf,true);

        return ;

    }

    public static void main(String[] args) throws Exception{

        //ToolRunner中的run方法中需要一个Tool的实现类，和

        System.exit(

            ToolRunner.run(

                new GetDemo_0011(),args));

    }

}

　　分析：

　　　　1）介绍IOUtils

　　　　　　它是Hadoop的一个IO流的工具类，查看API中可知！

　　2）打包jar发送给服务器执行

　　3）查看结果

3.6、从HDFS集群中下载文件到本地

　　1）普通版

import java.net.URI;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.conf.Configured;

import org.apache.hadoop.fs.FSDataInputStream;

import org.apache.hadoop.fs.FSDataOutputStream;

import org.apache.hadoop.fs.FileSystem;

import org.apache.hadoop.fs.LocalFileSystem;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.io.IOUtils;

import org.apache.hadoop.util.Tool;

import org.apache.hadoop.util.ToolRunner;

public class P00032_HdfsDemo_PutFile_0010 extends Configured implements Tool{

    @Override

    public int run(String[] strings) throws Exception{

        Configuration configuration

            =getConf();

        String input=

            configuration.get("input");

        String output=

            configuration.get("output");

        LocalFileSystem inFs=

            FileSystem.getLocal(

                configuration);

        FileSystem outFs=

            FileSystem.get(

                URI.create(output),

                configuration);

        FSDataInputStream is=

            inFs.open(new Path(input));

        FSDataOutputStream os=

            outFs.create(new Path(output));

        IOUtils.copyBytes(is,os,,true);

        System.out.println(os.getClass().getName());

        inFs.close();

        outFs.close();

        return ;

    }

    public static void main(String[] args) throws Exception{

        System.exit(ToolRunner.run(new P00032_HdfsDemo_PutFile_0010(),args));

    }

}

P00032_HdfsDemo_PutFile_0010

　　2）可以观察到写入了多少

import java.io.IOException;

import java.net.URI;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.conf.Configured;

import org.apache.hadoop.fs.FSDataInputStream;

import org.apache.hadoop.fs.FSDataOutputStream;

import org.apache.hadoop.fs.FileSystem;

import org.apache.hadoop.fs.LocalFileSystem;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.io.IOUtils;

import org.apache.hadoop.util.Tool;

import org.apache.hadoop.util.ToolRunner;

public class P00031_HdfsDemo_PutFile_0010 extends Configured implements Tool{

    FSDataOutputStream os=null;

    @Override

    public int run(String[] strings) throws Exception{

        Configuration configuration=getConf();

        String input=configuration.get("input");

        String output=configuration.get("output");

        LocalFileSystem inFs=FileSystem.getLocal(configuration);

        FileSystem outFs=FileSystem.get(URI.create(output),configuration);

        FSDataInputStream is=inFs.open(new Path(input));

        os=outFs.create(new Path(output),()->{

            try{

                System.out.println("已经写入了"+os.getPos()+"bytes");

            }catch(IOException e){

                e.printStackTrace();

            }

        });

        IOUtils.copyBytes(is,os,,true);

        System.out.println(os.getClass().getName());

        inFs.close();

        outFs.close();

        return ;

    }

    public static void main(String[] args) throws Exception{

        System.exit(ToolRunner.run(new P00031_HdfsDemo_PutFile_0010(),args));

    }

}

P00031_HdfsDemo_PutFile_001

喜欢就“推荐”哦！　　　

码农公寓

一、Hadoop客户端配置

二、Java访问HDFS集群

2.1、HDFS的Java访问接口

2.2、Java访问HDFS主要编程步骤

2.3、使用FileSystem API读取数据文件

三、实战Java访问HDFS集群

3.1、环境介绍

3.2、查询HDFS集群文件系统的一个文件将它文件内容打印出来

3.3、我们在IEDA中执行来获取文件系统的内容并打印在控制台和相应的本地文件中

3.4、获取HDFS集群文件系统中的文件到本地文件系统

3.5、通过设置命令行参数变量来编程

3.6、从HDFS集群中下载文件到本地

相关文章

2.1、HDFS的Java访问接口　

2.2、Java访问HDFS主要编程步骤　