Hadoop学习(2)-java客户端操作hdfs及secondarynode作用

清疚 2023-06-03 14:57 54阅读 0赞

首先要在windows下解压一个windows版本的hadoop

然后在配置他的环境变量，同时要把hadoop的share目录下的hadoop下的相关jar包拷贝到esclipe

然后Build Path

下面上代码

import java.io.BufferedReader;
    import java.io.FileInputStream;
    import java.io.IOException;
    import java.io.InputStreamReader;
    import java.net.URI;
    import java.net.URISyntaxException;
    import java.util.Arrays;
    
    import org.apache.hadoop.conf.Configuration;
    import org.apache.hadoop.fs.FSDataInputStream;
    import org.apache.hadoop.fs.FSDataOutputStream;
    import org.apache.hadoop.fs.FileStatus;
    import org.apache.hadoop.fs.FileSystem;
    import org.apache.hadoop.fs.LocatedFileStatus;
    import org.apache.hadoop.fs.Path;
    import org.apache.hadoop.fs.RemoteIterator;
    import org.junit.Before;
    import org.junit.Test;
    
    public class HdfsClientDemo {
        
        
        public static void main(String[] args) throws Exception {
            /**
             * Configuration参数对象的机制：
             *    构造时，会加载jar包中的默认配置 xx-default.xml
             *    再加载 用户配置xx-site.xml  ，覆盖掉默认参数
             *    构造完成之后，还可以conf.set("p","v")，会再次覆盖用户配置文件中的参数值
             */
            // new Configuration()会从项目的classpath中加载core-default.xml hdfs-default.xml core-site.xml hdfs-site.xml等文件
            Configuration conf = new Configuration();
            
            // 指定本客户端上传文件到hdfs时需要保存的副本数为：2
            conf.set("dfs.replication", "2");
            // 指定本客户端上传文件到hdfs时切块的规格大小：64M
            conf.set("dfs.blocksize", "64m");
            
            // 构造一个访问指定HDFS系统的客户端对象: 参数1:——HDFS系统的URI，参数2：——客户端要特别指定的参数，参数3：客户端的身份（用户名）
            FileSystem fs = FileSystem.get(new URI("hdfs://172.31.2.38:9000/"), conf, "root");
            
            // 上传一个文件到HDFS中
            fs.copyFromLocalFile(new Path("D:/install-pkgs/hbase-1.2.1-bin.tar.gz"), new Path("/aaa/"));
            
            fs.close();
        }
        
        FileSystem fs = null;
        
        @Before
        public void init() throws Exception{
            Configuration conf = new Configuration();
            conf.set("dfs.replication", "2");
            conf.set("dfs.blocksize", "64m");
            
            fs = FileSystem.get(new URI("hdfs://172.31.2.38:9000/"), conf, "root");
            
        }
        
        
        /**
         * 从HDFS中下载文件到客户端本地磁盘
         * @throws IOException 
         * @throws IllegalArgumentException 
         */
        @Test
        public void testGet() throws IllegalArgumentException, IOException{
            
            fs.copyToLocalFile(new Path("/test"), new Path("d:/"));
            fs.close();
            
        }
        
        
        /**
         * 在hdfs内部移动文件\修改名称
         */
        @Test
        public void testRename() throws Exception{
            
            fs.rename(new Path("/install.log"), new Path("/aaa/in.log"));
            
            fs.close();
            
        }
        
        /**
         * 在hdfs中创建文件夹
         */
        @Test
        public void testMkdir() throws Exception{
            
            fs.mkdirs(new Path("/xx/yy/zz"));
            
            fs.close();
        }
        
        
        /**
         * 在hdfs中删除文件或文件夹
         */
        @Test
        public void testRm() throws Exception{
            
            fs.delete(new Path("/aaa"), true);
            
            fs.close();
        }
        
        
        
        /**
         * 查询hdfs指定目录下的文件信息
         */
        @Test
        public void testLs() throws Exception{
            // 只查询文件的信息,不返回文件夹的信息
            RemoteIterator<LocatedFileStatus> iter = fs.listFiles(new Path("/"), true);
            
            while(iter.hasNext()){
                LocatedFileStatus status = iter.next();
                System.out.println("文件全路径："+status.getPath());
                System.out.println("块大小："+status.getBlockSize());
                System.out.println("文件长度："+status.getLen());
                System.out.println("副本数量："+status.getReplication());
                System.out.println("块信息："+Arrays.toString(status.getBlockLocations()));
                
                System.out.println("--------------------------------");
            }
            fs.close();
        }
       
    
        /**
         * 读取hdfs中的文件的内容
         * 
         * @throws IOException
         * @throws IllegalArgumentException
         */
        @Test
        public void testReadData() throws IllegalArgumentException, IOException {
    
            FSDataInputStream in = fs.open(new Path("/test.txt"));
    
            BufferedReader br = new BufferedReader(new InputStreamReader(in, "utf-8"));
    
            String line = null;
            while ((line = br.readLine()) != null) {
                System.out.println(line);
            }
    
            br.close();
            in.close();
            fs.close();
    
        }
    
        /**
         * 读取hdfs中文件的指定偏移量范围的内容
         * 
         * 
         * 
         * @throws IOException
         * @throws IllegalArgumentException
         */
        @Test
        public void testRandomReadData() throws IllegalArgumentException, IOException {
    
            FSDataInputStream in = fs.open(new Path("/xx.dat"));
    
            // 将读取的起始位置进行指定
            in.seek(12);
    
            // 读16个字节
            byte[] buf = new byte[16];
            in.read(buf);
    
            System.out.println(new String(buf));
    
            in.close();
            fs.close();
    
        }
    
        /**
         * 往hdfs中的文件写内容
         * 
         * @throws IOException
         * @throws IllegalArgumentException
         */
    
        @Test
        public void testWriteData() throws IllegalArgumentException, IOException {
    
            FSDataOutputStream out = fs.create(new Path("/zz.jpg"), false);
    
            // D:\images\006l0mbogy1fhehjb6ikoj30ku0ku76b.jpg
    
            FileInputStream in = new FileInputStream("D:/images/006l0mbogy1fhehjb6ikoj30ku0ku76b.jpg");
    
            byte[] buf = new byte[1024];
            int read = 0;
            while ((read = in.read(buf)) != -1) {
                out.write(buf,0,read);
            }
            
            in.close();
            out.close();
            fs.close();
    
        }
    
    }

练习：从一个文件里面不断地采集日志上传到hdfs里面

1.流程介绍

\---启动一个定时任务

--定时探测日志原目录

--获取文件上传到一个待上传的临时目录

--逐一上传到hdfs目标路径，同时移动到备份目录里

\--启动一个定时任务：

--探测备份目录中的备份数据是否已经超出，如果超出就删除

主类为：

import java.util.Timer;
    
    public class DataCollectMain {
        
        public static void main(String[] args) {
            
            Timer timer = new Timer();
            //第一个为task类，第二个开始时间 第三个没隔多久执行一次
            timer.schedule(new CollectTask(), 0, 60*60*1000L);
            
            timer.schedule(new BackupCleanTask(), 0, 60*60*1000L);
            
        }
        
    
    }

CollectTask类：

这个类要继承TimerTask，重写run方法，主要内容就是不断收集日志文件

package cn.edu360.hdfs.datacollect;
    
    import java.io.File;
    import java.io.FilenameFilter;
    import java.net.URI;
    import java.text.SimpleDateFormat;
    import java.util.Arrays;
    import java.util.Date;
    import java.util.Properties;
    import java.util.TimerTask;
    import java.util.UUID;
    
    import org.apache.commons.io.FileUtils;
    import org.apache.hadoop.conf.Configuration;
    import org.apache.hadoop.fs.FileSystem;
    import org.apache.hadoop.fs.Path;
    import org.apache.log4j.Logger;
    
    public class CollectTask extends TimerTask {
    
        @Override
        public void run() {
            try {
                // 获取配置参数
                Properties props = PropertyHolderLazy.getProps();
    
                // 获取本次采集时的日期
                SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd-HH");
                String day = sdf.format(new Date());
                
                File srcDir = new File("d:/logs/accesslog");
                // 列出日志源目录中需要采集的文件
                //里面传了一个文件过滤器，重写accept方法,return true就要
                File[] listFiles = srcDir.listFiles(new FilenameFilter() {
                    @Override
                    public boolean accept(File dir, String name) {
                        if (name.startsWith("access.log")) {
                            return true;
                        }
                        return false;
                    }
                });
                // 将要采集的文件移动到待上传临时目录
                File toUploadDir = new File("d:/logs/toupload");
                for (File file : listFiles) {
                    
                    //这里如果是 file.renameTo(toUploadDir)是不对的，因为会生成一个toupload的文件而不是文件夹
                    //要用renameTo的话你要自己加上文件的新名字比较麻烦
                    //用FileUtiles是对file操作的一些工具类
                    //第一个目标文件，第二个路径，第三个是否存在覆盖
                    FileUtils.moveFileToDirectory(file, toUploadDir, true);
                }
    
                // 构造一个HDFS的客户端对象
                FileSystem fs = FileSystem.get(new URI("hdfs://hdp-01:9000"), new Configuration(), "root");
                
                File[] toUploadFiles = toUploadDir.listFiles();
    
                // 检查HDFS中的日期目录是否存在，如果不存在，则创建
                Path hdfsDestPath = new Path("/logs" + day);
                if (!fs.exists(hdfsDestPath)) {
                    fs.mkdirs(hdfsDestPath);
                }
    
                // 检查本地的备份目录是否存在，如果不存在，则创建
                File backupDir = new File("d:/logs/backup" + day + "/");
                if (!backupDir.exists()) {
                    backupDir.mkdirs();
                }
    
                for (File file : toUploadFiles) {
                    // 传输文件到HDFS并改名access_log_
                    fs.copyFromLocalFile(new Path(file.getAbsolutePath()), new Path("/logs"+day+"/access_log_"+UUID.randomUUID()+".log"));
    
                    // 将传输完成的文件移动到备份目录
                    //注意这里依然不要用renameTo
                    FileUtils.moveFileToDirectory(file, backupDir, true);
                }
    
            } catch (Exception e) {
                e.printStackTrace();
            }
    
        }

/**
         * 读取hdfs中的文件的内容
         * 
         * @throws IOException
         * @throws IllegalArgumentException
         */
        @Test
        public void testReadData() throws IllegalArgumentException, IOException {
    
            FSDataInputStream in = fs.open(new Path("/test.txt"));
    
            BufferedReader br = new BufferedReader(new InputStreamReader(in, "utf-8"));
    
            String line = null;
            while ((line = br.readLine()) != null) {
                System.out.println(line);
            }
    
            br.close();
            in.close();
            fs.close();
    
        }
    
        /**
         * 读取hdfs中文件的指定偏移量范围的内容
         * 
         * 
         * 作业题：用本例中的知识，实现读取一个文本文件中的指定BLOCK块中的所有数据
         * 
         * @throws IOException
         * @throws IllegalArgumentException
         */
        @Test
        public void testRandomReadData() throws IllegalArgumentException, IOException {
    
            FSDataInputStream in = fs.open(new Path("/xx.dat"));
    
            // 将读取的起始位置进行指定
            in.seek(12);
    
            // 读16个字节
            byte[] buf = new byte[16];
            in.read(buf);
    
            System.out.println(new String(buf));
    
            in.close();
            fs.close();
    
        }
    
        /**
         * 往hdfs中的文件写内容
         * 
         * @throws IOException
         * @throws IllegalArgumentException
         */
    
        @Test
        public void testWriteData() throws IllegalArgumentException, IOException {
    
            FSDataOutputStream out = fs.create(new Path("/zz.jpg"), false);
    
            // D:\images\006l0mbogy1fhehjb6ikoj30ku0ku76b.jpg
    
            FileInputStream in = new FileInputStream("D:/images/006l0mbogy1fhehjb6ikoj30ku0ku76b.jpg");
    
            byte[] buf = new byte[1024];
            int read = 0;
            while ((read = in.read(buf)) != -1) {
                out.write(buf,0,read);
            }
            
            in.close();
            out.close();
            fs.close();
    
        }

}

BackupCleanTask类

package cn.edu360.hdfs.datacollect;
    
    import java.io.File;
    import java.text.SimpleDateFormat;
    import java.util.Date;
    import java.util.TimerTask;
    
    import org.apache.commons.io.FileUtils;
    
    public class BackupCleanTask extends TimerTask {
    
        @Override
        public void run() {
    
            SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd-HH");
            long now = new Date().getTime();
            try {
                // 探测本地备份目录
                File backupBaseDir = new File("d:/logs/backup/");
                File[] dayBackDir = backupBaseDir.listFiles();
    
                // 判断备份日期子目录是否已超24小时
                for (File dir : dayBackDir) {
                    long time = sdf.parse(dir.getName()).getTime();
                    if(now-time>24*60*60*1000L){
                        FileUtils.deleteDirectory(dir);
                    }
                }
            } catch (Exception e) {
                e.printStackTrace();
            }
    
        }
    
    }

hdfs中namenode中储存元数据（对数据的描述信息）是在内存中以树的形式储存的，并且每隔一段时间都会把这些元数据序列化到磁盘中。序列化的东西在磁盘中叫 fsimage文件。

元数据可能会很大很大，所以只能是定期的序列化

问题1：序列化的时候，发生了元数据的修改怎么办

答：namenode会把每次用户的操作都记录下来，记录成日志文件，存在edits日志文件中

其中edits日志文件也会像log4j滚动日志文件一样，当文件太大的时候会另起一个文件并改名字

问题2：当edits文件太多的时候，一次宕机也会花大量的时间从edits里恢复，怎么办

答：会定期吧edits文件重放fsimage文件，并记录edits的编号，把那些重放过的日志文件给删除。这样也相当于重新序列化了，

所以namenode并不会做这样的事情，是由secondary node做的，他会定期吧namenode的fsimage文件和edits文件下载下来

并把fsimage文件反序列化，并且读日志文件更新元数据，然后序列化到磁盘，然后把他上传给namenode。

这个机制叫做checkpoint机制

这里secondarynode 相当一一个小秘书

![1369734-20190724101818458-440505927.png][]

客户端写数据到hdfs的流程

![1369734-20190724100804470-1994624800.png][]

上面是建立响应的过程

然后  是传递文件block块的过程

![1369734-20190724101808125-1002212072.png][]

客户端从hdfs读数据流程

![1369734-20190724101720342-759013943.png][]

额外知识点

注意，在windows里面不要写有些路径不要写绝对路径，因为程序放到linux下面可能会找不到，因此报错

一般使用class加载器，这样当这个class加载的时候就会知道这个class在哪

类加载器的一些使用例子

比如我加载一个配置文件，为了避免出现绝对路径，我们可以是用类加载器

Properties props = new Properties();
            //加载配置文件，这样写的目的是为了避免在windows里出现绝对路径，用类加载器，再把文件传化成流
            props.load(HdfsWordcount.class.getClassLoader().getResourceAsStream("job.properties"));

而对于一些功能性的类，我们最好在写逻辑的时候也不要直接去导入这个包，而是使用Class.forName

//这样不直接导入这个包，直接用类加载器，是面向接口编程的一种思想。这里我并不是在开始import xxxx.Mapper,这里Mapper是一个接口，这里我用了多态
            Class<?> mapper_class = Class.forName(props.getProperty("MAPPER_CLASS"));
            Mapper mapper = (Mapper) mapper_class.newInstance();

单例模式

https://www.cnblogs.com/crazy-wang-android/p/9054771.html

只有个一实例，必须自己创建自己这个实例，必须为别人提供这个实例

饿汉式单例：就算没有人调用这个class，他也会加载进去；

如对于一个配置文件的加载

import java.util.Properties;
    
    /**
     * 单例设计模式，方式一： 饿汉式单例
     *
     */
    public class PropertyHolderHungery {
    
        private static Properties prop = new Properties();
    
        static {
            try {
                //将一个文件prop.load(stram)  
                //这里面如果传一个IO流不好，因为要用到绝对路径，使用了类加载器  这种不管有没有使用这个类都会加载
                prop.load(PropertyHolderHungery.class.getClassLoader().getResourceAsStream("collect.properties"));
            } catch (Exception e) {
    
            }
        }
        public static Properties getProps() throws Exception {
            return prop;
        }
    
    }

懒汉式：只有调用的时候才会有，但会有线程安全问题

/**
     * 单例模式：懒汉式——考虑了线程安全
     * */
    
    public class PropertyHolderLazy {
    
        private static Properties prop = null;
    
        public static Properties getProps() throws Exception {
            if (prop == null) {
                synchronized (PropertyHolderLazy.class) {
                    if (prop == null) {
                        prop = new Properties();
                        prop.load(PropertyHolderLazy.class.getClassLoader().getResourceAsStream("collect.properties"));
                    }
                }
            }
            return prop;
        }
    
    }

转载于:https://www.cnblogs.com/wpbing/p/11233399.html

[1369734-20190724101818458-440505927.png]: /images/20230601/fbbae08e41724c959e92ef424e227991.png
[1369734-20190724100804470-1994624800.png]: /images/20230601/e6e56c0c945d4f5da99676649a67df6e.png
[1369734-20190724101808125-1002212072.png]: /images/20230601/727373a8b4a24303852c524e7d0a628c.png
[1369734-20190724101720342-759013943.png]: /images/20230601/d57240edf751458ba9629756cbcabc21.png