4.Hadoop分布式文件系统——HDFS

爱被打了一巴掌 2021-11-11 01:00 380阅读 0赞

### 文章目录 ###

*  前言
 *  HDFS简介
 *  HDFS架构
 *  Java接口下的程序
 *   *  准备
     *  从Hadoop URL读取数据
     *  通过FileSystem API读取数据
     *  通过seek()方法，显示数据两次
     *  将本地文件复制到Hadoop文件系统
     *  展示文件状态信息
     *  显示Hadoop文件系统中一组路径的文件信息

# 前言 #

以下示例均来自《Hadoop 权威指南》

# HDFS简介 #

HDFS（Hadoop Distributed File System），分布式文件系统  
HDFS，是Hadoop抽象文件系统的一种实现。Hadoop抽象文件系统可以与本地系统、Amazon S3等集成，甚至可以通过Web协议（webhsfs）来操作。HDFS的文件分布在集群机器上，同时提供副本进行容错及可靠性保证。例如客户端写入读取文件的直接操作都是分布在集群各个机器上的，没有单点性能压力。

# HDFS架构 #

HDFS采用了主从（Master/Slave）结构模型，一个HDFS集群是由一个NameNode和若干个DataNode组成的。其中NameNode作为主服务器，管理文件系统的命名空间和客户端对文件的访问操作；集群中的DataNode管理存储的数据。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70 1]

# Java接口下的程序 #

## 准备 ##

这里提前在Hadoop的文件系统中的hdfs://localhost:9000/input/docs目录中新建了一个people.txt文件，并在该文件中添加了“123456”的字样，只要没有特殊说明，下面程序的输入（即args\[0\]）均为该文件。若没有添加该文件，可前往 [http://localhost:9870/][http_localhost_9870] 的GUI界面进行添加，如图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70 2]  
这样，就可以开始代码的编写了

**注意：以下的代码是作者使用的Windows系统下的IDEA工具进行编写和运行，其中的args\[0\]、args\[1\]选项本来是用命令`java xxx args[0] args[1]`来进行运行。但是在IDEA中，可以在运行配置中手动设置这个值，设置步骤如图所示**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70 3]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70 4]  
**此外，在运行下面的代码前，记得要在hadoop/sbin目录下用start-all.cmd启动所有服务，并且保证输入jps时，能看到如下的界面，才能说明服务开启完毕**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70 5]  
**最后，别忘记去Maven导Hadoop的相关jar包，这里贴出必要jar包的代码，方便读者直接添加依赖**

<dependency>
                <groupId>org.apache.hadoop</groupId>
                <artifactId>hadoop-mapreduce-client-core</artifactId>
                <version>2.3.0</version>
            </dependency>
            
            <dependency>
                <groupId>org.apache.hadoop</groupId>
                <artifactId>hadoop-common</artifactId>
                <version>2.3.0</version>
            </dependency>
            
            <dependency>
                <groupId>org.apache.hadoop</groupId>
                <artifactId>hadoop-hdfs</artifactId>
                <version>2.3.0</version>
            </dependency>
            
            <dependency>
                <groupId>org.apache.hadoop</groupId>
                <artifactId>hadoop-client</artifactId>
                <version>2.3.0</version>
            </dependency>

--------------------

## 从Hadoop URL读取数据 ##

import java.io.IOException;
    import java.io.InputStream;
    import org.apache.hadoop.fs.FsUrlStreamHandlerFactory;
    import org.apache.hadoop.io.IOUtils;
    
    import java.net.URL;
    
    public class URLCat { 
    
        static{ 
            URL.setURLStreamHandlerFactory(new FsUrlStreamHandlerFactory());
        }
    
        public static void main(String[] args) { 
            InputStream in = null;
            try { 
                in = new URL(args[0]).openStream();
                IOUtils.copyBytes(in,System.out,4096,false);
            } catch (IOException e) { 
                e.printStackTrace();
            }finally { 
                IOUtils.closeStream(in);
            }
        }
    }

结果如图所示（为了更好地显示结果，关闭了日志功能）：  
![在这里插入图片描述][20190803233511228.png]

## 通过FileSystem API读取数据 ##

import org.apache.hadoop.conf.Configuration;
    import org.apache.hadoop.fs.FileSystem;
    import org.apache.hadoop.fs.Path;
    import org.apache.hadoop.io.IOUtils;
    
    
    import java.io.IOException;
    import java.io.InputStream;
    import java.net.URI;
    
    
    public class FileSystemCat { 
        public static void main(String[] args) throws IOException { 
            String uri = args[0];
            Configuration conf = new Configuration();
            FileSystem fs = FileSystem.get(URI.create(uri),conf);
            InputStream in = null;
            try { 
                in = fs.open(new Path(uri));
                IOUtils.copyBytes(in,System.out,4096,false);
            } catch (IOException e) { 
                e.printStackTrace();
            }finally { 
                IOUtils.closeStream(in);
            }
        }
    }

结果如图所示：  
![在这里插入图片描述][20190803233643711.png]

## 通过seek()方法，显示数据两次 ##

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 org.apache.hadoop.io.IOUtils;
    
    import java.io.IOException;
    import java.net.URI;
    
    public class FileSystemDoubleCat { 
    
        public static void main(String[] args) throws IOException { 
            String url = args[0];
            Configuration conf = new Configuration();
            FileSystem fs = FileSystem.get(URI.create(url),conf);
            FSDataInputStream in =null;
            try { 
                in = fs.open(new Path(url));
                IOUtils.copyBytes(in,System.out,4096,false);
                in.seek(0);
                IOUtils.copyBytes(in,System.out,4096,false);
            } catch (IOException e) { 
                e.printStackTrace();
            } finally { 
                IOUtils.closeStream(in);
            }
    
        }
    }

结果如图所示：  
![在这里插入图片描述][20190803233728876.png]

## 将本地文件复制到Hadoop文件系统 ##

import org.apache.hadoop.conf.Configuration;
    import org.apache.hadoop.fs.FileSystem;
    import org.apache.hadoop.fs.Path;
    import org.apache.hadoop.io.IOUtils;
    import org.apache.hadoop.util.Progressable;
    
    
    import java.io.*;
    import java.net.URI;
    
    public class FileCopyWithProgress { 
    
        public static void main(String[] args) throws IOException { 
            String localSrc = args[0];
            String dst = args[1]; // args[1]为输出，即目标文件
            InputStream in = new BufferedInputStream(new FileInputStream(localSrc));
    
            Configuration conf = new Configuration();
            FileSystem fs = FileSystem.get(URI.create(dst),conf);
            OutputStream out = fs.create(new Path(dst), new Progressable() { 
                @Override
                public void progress() { 
                    System.out.println(".");
                }
            });
    
            IOUtils.copyBytes(in,out,4096,true);
        }
    }

运行结果如图（这里将源文件设置为跟people.txt一样的文件，目标文件则为people2.txt）：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70 6]

## 展示文件状态信息 ##

**注意：在运行该段代码前，由于该代码没有main()函数，需要从maven中导入junit包才能进行测试，代码如下：**

<dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>4.12</version>
        <scope>test</scope>
    </dependency>

导入包后，该段代码带有@Test注解的方法的左侧均会出现一个带有绿色三角形的图标，点击该图片即可单独运行该方法

package URLReadTwo;
    
    import static org.junit.Assert.*;
    
    import static org.hamcrest.CoreMatchers.*; 
    
    import org.junit.Before;
    
    import org.junit.After;
    
    import org.junit.Test;
    
    import java.net.URI;
    
    import java.io.*;
    
    
    
    import org.apache.hadoop.fs.FileSystem;
    
    import org.apache.hadoop.conf.Configuration;
    
    import org.apache.hadoop.fs.Path;
    
    import org.apache.hadoop.fs.FileStatus;
    
    import org.apache.hadoop.hdfs.MiniDFSCluster;
    
    
    
    public class ShowFileStatusTest { 
    
    private MiniDFSCluster cluster;
    
    private FileSystem fs;
    
    
    @Before
    
    public void setUp() throws IOException { 
    
    Configuration conf = new Configuration();
    
    if (System.getProperty("test.build.data") == null) { 
    
    System.setProperty("test.build.data", "/tmp");
    
    }
    
    cluster = new MiniDFSCluster(conf, 1, true, null);
    
    fs = cluster.getFileSystem();
    
    OutputStream out = fs.create(new Path("/dir/file"));
    
    out.write("content".getBytes("UTF-8"));
    
    out.close();
    
    }
    
    
    
    @After
    
    public void tearDown() throws IOException { 
    
    if( fs != null) { 
    
    fs.close();
    
    }
    
    if (cluster != null) { 
    
    cluster.shutdown();
    
    }
    
    }
    
    
    //有几个@Test就会做几个测试，应该是标记其后的代码是要执行测试的
    
    @Test(expected = FileNotFoundException.class)
    
    public void ThrowsFileNotFoundForNonExistentFile() throws IOException { 
    
    fs.getFileStatus(new Path("no-such-file"));
    
    }
    
    
    
    @Test
    
    public void fileStatusForFile() throws IOException { 
    
    Path file = new Path("/dir/file");
    
    FileStatus stat = fs.getFileStatus(file);
    
    assertThat(stat.getPath().toUri().getPath(), is("/dir/file"));
    
    assertThat(stat.isDir(), is(false));
    
    assertThat(stat.getLen(), is(7L));
    
    //assertThat(stat.getModificationTime(), is(lessThanOrEqualTo(System.currentTimeMillis())));
    
    assertThat(stat.getReplication(), is((short)1));
    
    assertThat(stat.getBlockSize(), is(134217728L));
    
    assertThat(stat.getOwner(), is("lishengda"));
    
    assertThat(stat.getGroup(), is("supergroup"));
    
    assertThat(stat.getPermission().toString(), is("rwxr-xr-x"));
    
    }
    
    
    
    @Test
    
    public void fileStatusForDirectory() throws IOException { 
    
    Path dir = new Path("/dir");
    
    FileStatus stat = fs.getFileStatus(dir);
    
    assertThat(stat.getPath().toUri().getPath(), is("/dir"));
    
    assertThat(stat.isDir(), is(true));
    
    assertThat(stat.getLen(), is(0L));
    
    // assertThat(stat.getModificationTime(), is(lessThanOrEqualTo(System.currentTimeMillis())));
    
    assertThat(stat.getReplication(), is((short) 0));
    
    assertThat(stat.getBlockSize(), is(0L));
    
    assertThat(stat.getOwner(), is("lishengda"));
    
    assertThat(stat.getGroup(), is("supergroup"));
    
    assertThat(stat.getPermission().toString(), is("rwxr-xr-x"));
    
    }
    
    }

## 显示Hadoop文件系统中一组路径的文件信息 ##

import org.apache.hadoop.conf.Configuration;
    import org.apache.hadoop.fs.FileStatus;
    import org.apache.hadoop.fs.FileSystem;
    import org.apache.hadoop.fs.FileUtil;
    import org.apache.hadoop.fs.Path;
    
    import java.io.IOException;
    import java.net.URI;
    
    
    public class ListStatus { 
        public static void main(String[] args) throws IOException { 
            String uri = args[0];
            Configuration conf = new Configuration();
            FileSystem fs = FileSystem.get(URI.create(uri),conf);
    
            Path[] paths = new Path[args.length];
            for (int i = 0; i < paths.length; i++) { 
                paths[i] = new Path(args[i]);
            }
            FileStatus[] status = fs.listStatus(paths);
            Path[] listedPaths = FileUtil.stat2Paths(status);
            for (Path listedPath : listedPaths) { 
                System.out.println(listedPath);
            }
        }
    }

运行结果如图：  
![在这里插入图片描述][20190803234743908.png]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70]: /images/20211109/6f2f9eb9f4aa41c991a09c405dd36254.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70 1]: /images/20211109/e4841bb62adf49418f5a7dc58a83e37c.png
[http_localhost_9870]: http://localhost:9870/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70 2]: /images/20211109/dca39cff54514bb3b395bdd72450373c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70 3]: /images/20211109/52be081404e04ae5ac0e4b2b4a9ef177.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70 4]: /images/20211109/70271a1bb2e04c8ba98f200df799187c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70 5]: /images/20211109/6d900dcf179b45adbe6c593ce31c1570.png
[20190803233511228.png]: /images/20211109/b5885270167c46369eb839acbe723e7c.png
[20190803233643711.png]: /images/20211109/7ca0b6c3659b46618634742306090f0f.png
[20190803233728876.png]: /images/20211109/9baa1f89b59f42d89b5a1c4d59bff4b4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTUxNjU5_size_16_color_FFFFFF_t_70 6]: /images/20211109/59afcda70d084aa4a43005da3b404374.png
[20190803234743908.png]: /images/20211109/b5f9bbbb2bc04088962d52e30d8b87c7.png