hadoop系列二：HDFS文件系统的命令及JAVA客户端API

Posted 2020-08-30 朱小杰

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了hadoop系列二：HDFS文件系统的命令及JAVA客户端API相关的知识，希望对你有一定的参考价值。

转载请在页首明显处注明作者与出处

http://www.cnblogs.com/zhuxiaojie/p/6391518.html

一:说明

此为大数据系列的一些博文，有空的话会陆续更新，包含大数据的一些内容，如hadoop,spark,storm,机器学习等。

当前使用的hadoop版本为2.6.4

上一篇:hadoop系列一：hadoop集群安装

二:HDFS的shell命令

上一章说完了安装HADOOP集群部分，这一张讲HDFS。

其实基本上操作都是通过JAVA API来操作，所以这里的shell命令只是简单介绍一下，实际操作中自然是JAVA API更加方便，功能也更加强大，JAVA API在第三部分。

注:这里JAVA API连接的地址，其实就是server1，也就是前面安装namenode的服务器。

调用文件系统(FS)Shell命令应使用 bin/hadoop fs <args>的形式。所有的的FS shell命令使用URI路径作为参数。URI格式是scheme://authority/path。对HDFS文件系统，scheme是hdfs，对本地文件系统，scheme是file。其中scheme和authority参数都是可选的，如果未加指定，就会使用配置中指定的默认scheme。一个HDFS文件或目录比如/parent/child可以表示成hdfs://namenode:namenodeport/parent/child，或者更简单的/parent/child（假设你配置文件中的默认值是namenode:namenodeport）。大多数FS Shell命令的行为和对应的Unix Shell命令类似，不同之处会在下面介绍各命令使用详情时指出。出错信息会输出到stderr，其他信息输出到stdout

2.1:cat

使用方法：hadoop fs -cat URI [URI …]

将路径指定文件的内容输出到stdout。

示例：

hadoop fs -cat hdfs://host1:port1/file1 hdfs://host2:port2/file2
hadoop fs -cat file:///file3 /user/hadoop/file4

返回值：
成功返回0，失败返回-1。

2.2:chgrp

使用方法：hadoop fs -chgrp [-R] GROUP URI [URI …] Change group association of files. With -R, make the change recursively through the directory structure. The user must be the owner of files, or else a super-user. Additional information is in the Permissions User Guide. -->

改变文件所属的组。使用-R将使改变在目录结构下递归进行。命令的使用者必须是文件的所有者或者超级用户。更多的信息请参见HDFS权限用户指南。

2.3:chmod

使用方法：hadoop fs -chmod [-R] <MODE[,MODE]... | OCTALMODE> URI [URI …]

改变文件的权限。使用-R将使改变在目录结构下递归进行。命令的使用者必须是文件的所有者或者超级用户。更多的信息请参见HDFS权限用户指南。

2.4:chown

使用方法：hadoop fs -chown [-R] [OWNER][:[GROUP]] URI [URI ]

改变文件的拥有者。使用-R将使改变在目录结构下递归进行。命令的使用者必须是超级用户。更多的信息请参见HDFS权限用户指南。

2.5:copyFromLocal

使用方法：hadoop fs -copyFromLocal <localsrc> URI

除了限定源路径是一个本地文件外，和put命令相似

2.6:copyToLocal

使用方法：hadoop fs -copyToLocal [-ignorecrc] [-crc] URI <localdst>

除了限定目标路径是一个本地文件外，和get命令类似。

2.7:cp

使用方法：hadoop fs -cp URI [URI …] <dest>

将文件从源路径复制到目标路径。这个命令允许有多个源路径，此时目标路径必须是一个目录。
示例：

hadoop fs -cp /user/hadoop/file1 /user/hadoop/file2
hadoop fs -cp /user/hadoop/file1 /user/hadoop/file2 /user/hadoop/dir

返回值：

成功返回0，失败返回-1。

2.8:du

使用方法：hadoop fs -du URI [URI …]

显示目录中所有文件的大小，或者当只指定一个文件时，显示此文件的大小。
示例：
hadoop fs -du /user/hadoop/dir1 /user/hadoop/file1 hdfs://host:port/user/hadoop/dir1
返回值：
成功返回0，失败返回-1。

2.9:dus

使用方法：hadoop fs -dus <args>

显示文件的大小。

2.10:expunge

使用方法：hadoop fs -expunge

清空回收站。请参考HDFS设计文档以获取更多关于回收站特性的信息。

2.11:get

使用方法：hadoop fs -get [-ignorecrc] [-crc] <src> <localdst>

复制文件到本地文件系统。可用-ignorecrc选项复制CRC校验失败的文件。使用-crc选项复制文件以及CRC信息。

示例：

hadoop fs -get /user/hadoop/file localfile
hadoop fs -get hdfs://host:port/user/hadoop/file localfile

返回值：

成功返回0，失败返回-1。

2.12:getmerge

使用方法：hadoop fs -getmerge <src> <localdst> [addnl]

接受一个源目录和一个目标文件作为输入，并且将源目录中所有的文件连接成本地目标文件。addnl是可选的，用于指定在每个文件结尾添加一个换行符。

2.13:ls

使用方法：hadoop fs -ls <args>

如果是文件，则按照如下格式返回文件信息：
文件名 <副本数> 文件大小修改日期修改时间权限用户ID 组ID
如果是目录，则返回它直接子文件的一个列表，就像在Unix中一样。目录返回列表的信息如下：
目录名 <dir> 修改日期修改时间权限用户ID 组ID
示例：
hadoop fs -ls /user/hadoop/file1 /user/hadoop/file2 hdfs://host:port/user/hadoop/dir1 /nonexistentfile
返回值：
成功返回0，失败返回-1。

2.14:lsr

使用方法：hadoop fs -lsr <args>
ls命令的递归版本。类似于Unix中的ls -R。

2.15:mkdir

使用方法：hadoop fs -mkdir <paths>

接受路径指定的uri作为参数，创建这些目录。其行为类似于Unix的mkdir -p，它会创建路径中的各级父目录。

示例：

hadoop fs -mkdir /user/hadoop/dir1 /user/hadoop/dir2
hadoop fs -mkdir hdfs://host1:port1/user/hadoop/dir hdfs://host2:port2/user/hadoop/dir

使用方法：hadoop fs -setrep [-R] <path>

改变一个文件的副本系数。-R选项用于递归改变目录下所有文件的副本系数。

示例：

hadoop fs -setrep -w 3 -R /user/hadoop/dir1

返回值：

成功返回0，失败返回-1。

2.22:stat

使用方法：hadoop fs -stat URI [URI …]

返回指定路径的统计信息。

示例：

hadoop fs -stat path

返回值：
成功返回0，失败返回-1。

2.23:tail

使用方法：hadoop fs -tail [-f] URI

将文件尾部1K字节的内容输出到stdout。支持-f选项，行为和Unix中一致。

示例：

hadoop fs -tail pathname

返回值：
成功返回0，失败返回-1。

2.24:test

使用方法：hadoop fs -test -[ezd] URI

选项：
-e 检查文件是否存在。如果存在则返回0。
-z 检查文件是否是0字节。如果是则返回0。
-d 如果路径是个目录，则返回1，否则返回0。

示例：

hadoop fs -test -e filename

2.25:text

使用方法：hadoop fs -text <src>

将源文件输出为文本格式。允许的格式是zip和TextRecordInputStream。

2.26:touchz

使用方法：hadoop fs -touchz URI [URI …]

创建一个0字节的空文件。

示例：

hadoop -touchz pathname

返回值：
成功返回0，失败返回-1。

三:JAVA API

此部分遇到的问题参见第四章节异常部分

本部分的java代码在github中已上传，地址:

首先创建一个MAVEN项目，加入如下依赖

<hadoop.version>2.6.4</hadoop.version>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>${hadoop.version}</version>
        </dependency>

        <dependency>
            <groupId>jdk.tools</groupId>
            <artifactId>jdk.tools</artifactId>
            <version>1.7</version>
            <scope>system</scope>
            <systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
        </dependency>

            <dependency>
                <groupId>org.apache.hadoop</groupId>
                <artifactId>hadoop-hdfs</artifactId>
                <version>${hadoop.version}</version>
            </dependency>

然后在写一个测试类，先写这样一段代码初始化对象

    @Before
    public void init() throws IOException, InterruptedException, URISyntaxException{
        conf = new Configuration();
        conf.set("fs.defaultFS", "hdfs://192.168.1.4:9000");
        //拿到操作HDFS的一个实例，并且设置其用户
        fs = FileSystem.get(new URI("hdfs://192.168.1.4:9000"),conf,"hadoop");
    }

3.1:上传文件

    /**
     * 上传
     * @throws Exception
     */
    @Test
    public void upload()throws Exception{
        //后面的true，是指如果文件存在，则覆盖
        FSDataOutputStream fout = fs.create(new Path("/xx.jpg"), true);
        InputStream in = new FileInputStream("C:/Users/Administrator/Pictures/1.png");
        
        //复制流，并且完成之后关闭流
        IOUtils.copyBytes(in, fout, 1024,true);
    }

3.2:下载文件

    /**
     * 下载
     * @throws Exception
     */
    @Test
    public void download()throws Exception{
        FSDataInputStream fin = fs.open(new Path("/xx.jpg"));
        
        OutputStream out = new FileOutputStream("d://axx.jpg");
        
        IOUtils.copyBytes(fin, out, 1024,true);
    }

3.3:读取文件指定的部分

    /**
     * 在指定位置读写
     * @throws Exception
     */
    @Test
    public void random()throws Exception{
        FSDataInputStream fin = fs.open(new Path("xx.jpg"));
        //从12的位置开始读
        fin.seek(12);
        
        OutputStream out = new FileOutputStream("d://axx.jpg");
        
        IOUtils.copyBytes(fin, out, 1024,true);
    }

3.4:获取hadoop中的配置属性

    /**
     * 可以获取hadoop配置
     * @throws Exception
     */
    @Test
    public void conf()throws Exception{
        Iterator<Entry<String, String>> iterator = conf.iterator();
        while(iterator.hasNext()){
            Entry<String, String> entry = iterator.next();
            System.out.println(entry);
        }
    }

3.5:创建文件夹

    /**
     * 创建文件夹
     * @throws Exception
     */
    @Test
    public void mkdir()throws Exception{
        boolean mkdirs = fs.mkdirs(new Path("/mkdir/a/b"));
        if(mkdirs){
            System.out.println("创建文件夹成功");
        }
        fs.close();
    }

3.6:删除文件与目录

    /**
     * 删除
     * @throws Exception
     */
    @Test
    public void delete()throws Exception{
        //递归删除
        boolean delete = fs.delete(new Path("/mkdir/a/b"), true);
        if(delete){
            System.out.println("删除成功");
        }
        fs.close();
    }

3.7:使用迭代器递归列出所有文件

这种迭代器可以列出HDFS的所有文件，而不用担心内存溢出，因为这段代码并不是直接把所有的文件信息封装到对象中，而是一个远程迭代器。

/**
     * 列出文件，可以递归所有文件，它是一个迭代器，因为客户端无法接收所有文件信息
     */
    @Test
    public void listFile()throws Exception{
        RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
        while(listFiles.hasNext()){
            LocatedFileStatus lfs = listFiles.next();
            System.out.println("块大小:" + lfs.getBlockSize());
            System.out.println("所属组:" + lfs.getOwner());
            System.out.println("大小:" + lfs.getLen());
            System.out.println("文件名:" + lfs.getPath().getName());
            System.out.println("是否目录:" + lfs.isDirectory());
            System.out.println("是否文件:" + lfs.isFile());
            System.out.println();
            BlockLocation[] blockLocations = lfs.getBlockLocations();
            for (BlockLocation blockLocation : blockLocations) {
                System.out.println("块偏移数:" + blockLocation.getOffset());
                System.out.println("块长度:" + blockLocation.getLength());
                System.out.println("块名称:" + Arrays.toString(blockLocation.getNames()));
                System.out.println("块名称:" + Arrays.toString(blockLocation.getHosts()));
            }
            System.out.println("--------------------------");
        }
    }

3.8:列出一个目录的所有文件信息，不递归

这一段代码是列出一个目录中所有的文件信息，因为它无法递归，所以它的返回结果是一个数组，或者说直接把当前目录的信息返回到了这个数组。

    /**
     * 列出文件，但是不可以递归，所以可以直接用数组存储，
     * @throws Exception
     */
    @Test
    public void listFile2()throws Exception{
        FileStatus[] listStatus = fs.listStatus(new Path("/"));
        for (FileStatus fileStatus : listStatus) {
            System.out.println("块大小:" + fileStatus.getBlockSize());
            System.out.println("所属组:" + fileStatus.getOwner());
            System.out.println("大小:" + fileStatus.getLen());
            System.out.println("文件名:" + fileStatus.getPath().getName());
            System.out.println("是否目录:" + fileStatus.isDirectory());
            System.out.println("是否文件:" + fileStatus.isFile());
        }
    }

四:问题部分

4.1:问题一

使用如下API时，报空指针

准确的说是这些和HDFS shell一样的api，都会抛出空指针，为什么呢？

其实如果看过了上面的JAVA API部分的代码，可以发现，在上面部分我没有写这些方法。首先是其它的方法可以代替，并且功能更加强大，其次这些代码运行比较麻烦。

因为这里面实际上就是使用了HDFS的shell，有可能你在HADOOP服务器安装了hadoop，但是在运行这段代码的机器并没有安装，所以会报错。

正确的做法是配置HADOOP_HOME的环境变量，而且需要是专门在运行的操作系统上编译的专属版本，不要说LINUX与WINDOWS不一样，就是WINDOWS7和WINDOWS10都可能不一样，所以要经过专门的编译。

4.2:问题二

使用java客户端时提示Missing artifact jdk.tools:jdk.tools:jar:1.6，这一段是MAVEN报的错。

可以相信，出现这个问题的人，一定没有按照本文相应的引入依赖，hadoop-common中依赖了jdk中的一个包，所以在一开始，就要求了引入如下的jar包，引入后就没事了

    <dependency>
            <groupId>jdk.tools</groupId>
            <artifactId>jdk.tools</artifactId>
            <version>1.6</version>
            <scope>system</scope>
            <systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
        </dependency>

4.3:问题三

使用java客户报时，抛出异常，没有hdfs协议，它是在这样的一行代码中报错的

FileSystem fs = FileSystem.get(new URI("hdfs://192.168.154.2:9000"), new Configuration());

抛出的异常如下:

java.io.IOException: No FileSystem for scheme: hdfs

好了，首先可以肯定，你使用的hadoop版本不是和本文的2.6.4一致，应该是更老的版本。

我们看一下源代码

通过断点发现，参数中的scheme是hdfs，也就是我参数中的协议，然后拼接后根据一定的映射去查看对应的类实现，如果找不到，则返回null，也就是产生了这样的异常。

提示没有hdfs的协议，这是因为在hadoop-commons.jar中，有一个core-default.xml文件并没有配置这个协议，如下是我之前使用的2.2的版本

我们找到这个文件所在本地maven仓库的位置，然后用压缩软件打开这个jar包，把这个core-default.xml复制出去，然后编辑，加入这样一段配置

<property>
    <name>fs.hdfs.impl</name>
    <value>org.apache.hadoop.hdfs.DistributedFileSystem</value>
    <description>The FileSystem for hdfs: uris.</description>
</property>

这样我们就配置了hdfs协议的实现，相应的错误也就不再出现了。

下一篇：hadoop系列三:mapreduce的使用

以上是关于hadoop系列二：HDFS文件系统的命令及JAVA客户端API的主要内容，如果未能解决你的问题，请参考以下文章

hadoop系列三:mapreduce的使用

Hadoop系列：hdfs文件系统的基本操作

hadoop入门之HDFS常用文件操作命令及注意事项

hadoop02-HDFS常用命令

Hadoop文件存储系统-HDFS详解以及java编程实现