Java大数据开发：Hadoop(8)-java操作HDFS

短命女 2023-07-21 06:05 223阅读 0赞

在上一节的学习中，我们认识了HDFS的结构，知道了HDFS的优点：适合大数据处理，无论是数据规模还是文件规模。当然也有他的缺点：不适合低延时数据访问，比如毫秒级的数据存储，那做不到，不适合对大量小文件进行存储，因为会占用namenode大量的内存存储，一个文件也只有一个写，不允许多个线程同时写。接下来，我们就用JavaAPI操作一下HDFS吧。

**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

2、配置HADOOP\_HOME环境变量

3、创建一个Maven工程HdfsClientDemo

4、导入相应的依赖坐标

<dependencies>        <dependency>            <groupId>junit</groupId>            <artifactId>junit</artifactId>            <version>RELEASE</version>        </dependency>        <dependency>            <groupId>org.apache.logging.log4j</groupId>            <artifactId>log4j-core</artifactId>            <version>2.8.2</version>        </dependency>        <dependency>            <groupId>org.apache.hadoop</groupId>            <artifactId>hadoop-common</artifactId>            <version>2.7.2</version>        </dependency>        <dependency>            <groupId>org.apache.hadoop</groupId>            <artifactId>hadoop-client</artifactId>            <version>2.7.2</version>        </dependency>        <dependency>            <groupId>org.apache.hadoop</groupId>            <artifactId>hadoop-hdfs</artifactId>            <version>2.7.2</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>

5、添加日志，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, stdoutlog4j.appender.stdout=org.apache.log4j.ConsoleAppenderlog4j.appender.stdout.layout=org.apache.log4j.PatternLayoutlog4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%nlog4j.appender.logfile=org.apache.log4j.FileAppenderlog4j.appender.logfile.File=target/spring.loglog4j.appender.logfile.layout=org.apache.log4j.PatternLayoutlog4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

6、创建一个类，编写如下代码实现从hdfs上创建一个目录

public class HDFSClient {
           public static void main(String[] args) throws IOException, URISyntaxException, InterruptedException {
               // 1 获取文件系统        Configuration configuration = new Configuration();        // 配置在集群上运行        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:9000"), configuration, "root");
            // 2 创建目录        fs.mkdirs(new Path("/0331/test/creatDir"));
            // 3 关闭资源        fs.close();    }}

7、运行http://hadoop100:50070/explorer.html\#/，查看目录创建情况，如下

![format_png][]

**文件上传**

**把d盘下 test.txt 文件上传到集群根目录下**

1、编写代码

@Test    public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {
       
            // 1 获取文件系统        Configuration configuration = new Configuration();        // 设置副本数，默认为3        configuration.set("dfs.replication", "2");        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:9000"), configuration, "root");
            // 2 上传文件        fs.copyFromLocalFile(new Path("d:/test.txt"), new Path("/test.txt"));
            // 3 关闭资源        fs.close();
            System.out.println("完成");    }

2、刷新页面，查看上传情况

![format_png 1][]

3、参数优先级

这里指的是一些参数配置，比如代码里的副本数，这个参数如果不设置，用的配置是服务器的配置，这些参数我们可以在代码修改，也可以在classpath下创建配置文件指定，但配置是有优先级的：（1）代码中设置的值（最先生效） >（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。如果你对大数据开发感兴趣，想系统学习大数据的话，可以加入大数据技术学习交流扣扣君羊：**522189307**

**文件下载**

**把集群根目录下的 test.txt 下载到d盘根目录**

1、代码编写

@Test    public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException {
       
            // 1 获取文件系统        Configuration configuration = new Configuration();        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:9000"), configuration, "root");
            // 2 执行下载操作        // 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        fs.copyToLocalFile(false, new Path("/test.txt"), new Path("d:/a.txt"), true);
            // 3 关闭资源        fs.close();    }

2、查看d盘根目录下生成的文件

**文件夹删除**

**删除0331文件夹（0331是自定义的，作者是取自今天日期）**

1、代码编写

@Test    public void testDelete() throws IOException, InterruptedException, URISyntaxException {
       
            // 1 获取文件系统        Configuration configuration = new Configuration();        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:9000"), configuration, "root");
            // 2 执行删除        fs.delete(new Path("/0331/"), true);
            // 3 关闭资源        fs.close();    }

2、查看hadoop管理页面，是否删除了文件夹。

**文件更名**

**把test.txt文件名称改为b.txt**

1、代码编写

@Test    public void testRename() throws IOException, InterruptedException, URISyntaxException{
       
            // 1 获取文件系统        Configuration configuration = new Configuration();        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:9000"), configuration, "root");
            // 2 修改文件名称        fs.rename(new Path("/test.txt"), new Path("/b.txt"));
            // 3 关闭资源        fs.close();    }

2、查看hadoop管理页面，是否更名成功。

**查看文件详情**

**查看文件名称，权限，长度，块信息**

1、代码编写

@Test    public void testListFiles() throws IOException, InterruptedException, URISyntaxException {
       
            // 1获取文件系统        Configuration configuration = new Configuration();        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:9000"), configuration, "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("-----------分割线----------");        }
            // 3 关闭资源        fs.close();    }

2、查看控制台日志打印

b.txt9rw-r--r--supergrouphadoop101hadoop102-----------分割线----------

**文件和文件夹的判断**

**判断是文件还是文件夹**

1、代码编写

@Test    public void testListStatus() throws IOException, InterruptedException, URISyntaxException {
       
            // 1 获取文件配置信息        Configuration configuration = new Configuration();        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop100:9000"), configuration, "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());            }        }
            // 3 关闭资源        fs.close();    }

2、查看控制台打印

d:0331    //文件夹f:b.txt   //文件

以上是文件与hdfs的交互，文件的来源可以是从mysql数据库中获取的数据，也可以是从消息中间件获取的数据。

[format_png]: /images/20230528/074169cae1314a718d7a550604807db1.png
[format_png 1]: /images/20230528/a9cfc0d932694be7992bca42ad5e02e3.png