使用javaAPI操作hdfs

Posted 2020-10-09 huabingood

欢迎到https://github.com/huabingood/everyDayLanguagePractise查看源码。

一.构建环境

        在hadoop的安装包中的share目录中有hadoop所有你能想象到的内容。
        进入安装包下的share文件夹你会看到doc和hadoop文件夹。其中doc中是hadoop的整个document。而hadoop文件夹中则存放着所有开发hadoop所有用到的jar包，其依赖放到相应的lib文件夹中。
       我们这次用到的是hadoop文件夹中的common以及hdfs文件夹中的内容。在创建工程时，继续将这两个文件夹中的jar包添加到相应的工程中，然后将文件夹中的lib文件夹的所有jar包作为依赖也添加到工程文件中（common和hdfs文件的lib文件中的jar包可能存在重复，注意去重。）；其中source文件夹是该模块的源码包，如果想在IDEA中看到源码，需要将这些内容也添加到工程中。

二.操作HDFS流程

1. 获取HDFS的配置，根据HDFS的配置获取整个HDFS操作系统的内容
2. 打开HDFS操作系统，进行操作
   1. 文件夹的操作：增删改查
   2. 文件的上传下载
   3. 文件的IO操作——hdfs之间的复制

三.具体的操作命令

1. 根据配置获取HDFS文件操作系统（共有三种方式）
   1. 方法一：直接获取配置文件方法
      通常情况下该方法用于本地有hadoop系统，可以直接进行访问。此时仅需在配置文件中指定要操作的文件系统为hdfs即可。这里的conf的配置文件可以设置hdfs的各种参数，并且优先级比配置文件要搞
   2. 方法二：指定URI路径，进而获取配置文件创建操作系统
      通常该方法用于本地没有hadoop系统，但是可以通过URI的方式进行访问。此时要给给定hadoop的NN节点的访问路径，hadoop的用户名，以及配置文件信息（此时会自动访问远程hadoop的配置文件）

                /**
                 * 根据配置文件获取HDFS操作对象
                 * 有两种方法：
                 *  1.使用conf直接从本地获取配置文件创建HDFS对象
                 *  2.多用于本地没有hadoop系统，但是可以远程访问。使用给定的URI和用户名，访问远程的配置文件，然后创建HDFS对象。
                 * @return FileSystem
                 */
                public FileSystem getHadoopFileSystem() {
            
            
                    FileSystem fs = null;
                    Configuration conf = null;
            
                    // 方法一，本地有配置文件，直接获取配置文件（core-site.xml，hdfs-site.xml）
                    // 根据配置文件创建HDFS对象
                    // 此时必须指定hdsf的访问路径。
                    conf = new Configuration();
                    // 文件系统为必须设置的内容。其他配置参数可以自行设置，且优先级最高
                    conf.set("fs.defaultFS", "hdfs://huabingood01:9000");
            
                    try {
                        // 根据配置文件创建HDFS对象
                        fs = FileSystem.get(conf);
                    } catch (IOException e) {
                        e.printStackTrace();
                        logger.error("",e);
                    }
            
                    // 方法二：本地没有hadoop系统，但是可以远程访问。根据给定的URI和用户名，访问hdfs的配置参数
                    // 此时的conf不需任何设置，只需读取远程的配置文件即可。
                    /*conf = new Configuration();
                    // Hadoop的用户名
                    String hdfsUserName = "huabingood";
            
                    URI hdfsUri = null;
                    try {
                        // HDFS的访问路径
                        hdfsUri = new URI("hdfs://huabingood01:9000");
                    } catch (URISyntaxException e) {
                        e.printStackTrace();
                        logger.error(e);
                    }
            
                    try {
                        // 根据远程的NN节点，获取配置信息，创建HDFS对象
                        fs = FileSystem.get(hdfsUri,conf,hdfsUserName);
                    } catch (IOException e) {
                        e.printStackTrace();
                        logger.error(e);
                    } catch (InterruptedException e) {
                        e.printStackTrace();
                        logger.error(e);
                    }*/
            
                    // 方法三，反正我们没有搞懂。
                    /*conf  = new Configuration();
                    conf.addResource("/opt/huabingood/pseudoDistributeHadoop/hadoop-2.6.0-cdh5.10.0/etc/hadoop/core-site.xml");
                    conf.addResource("/opt/huabingood/pseudoDistributeHadoop/hadoop-2.6.0-cdh5.10.0/etc/hadoop/hdfs-site.xml");
            
                    try {
                        fs = FileSystem.get(conf);
                    } catch (IOException e) {
                        e.printStackTrace();
                        logger.error(e);
                    }*/
            
                    return fs;
                } 

　　2.添加文件夹

 /**
     * 这里的创建文件夹同shell中的mkdir -p 语序前面的文件夹不存在
     * 跟java中的IO操作一样，也只能对path对象做操作；但是这里的Path对象是hdfs中的
     * @param fs
     * @return
     */
    public boolean myCreatePath(FileSystem fs){
        boolean b = false;

        Path path = new Path("/hyw/test/huabingood/hyw");
        try {
            // even the path exist,it can also create the path.
            b = fs.mkdirs(path);
        } catch (IOException e) {
            e.printStackTrace();
            logger.error(e);
        } finally {
            try {
                fs.close();
            } catch (IOException e) {
                e.printStackTrace();
                logger.error(e);
            }
        }
        return b;
    } 

 

　　3.删除文件夹

 /**
     * 删除文件，实际上删除的是给定path路径的最后一个
     * 跟java中一样，也需要path对象，不过是hadoop.fs包中的。
     * 实际上delete(Path p)已经过时了，更多使用delete(Path p,boolean recursive)
     * 后面的布尔值实际上是对文件的删除，相当于rm -r
     * @param fs
     * @return
     */
    public boolean myDropHdfsPath(FileSystem fs){
        boolean b = false;
        // drop the last path
        Path path = new Path("/huabingood/hadoop.tar.gz");
        try {
            b = fs.delete(path,true);
        } catch (IOException e) {
            e.printStackTrace();
            logger.error(e);
        } finally {
            try {
                fs.close();
            } catch (IOException e) {
                e.printStackTrace();
                logger.error(e);
            }
        }

        return b;
    } 

 

　　4.重命名

 /**
     * 重命名文件夹
     * @param hdfs
     * @return
     */
    public boolean myRename(FileSystem hdfs){
        boolean b = false;
        Path oldPath = new Path("/hyw/test/huabingood");
        Path newPath = new Path("/hyw/test/huabing");

        try {
            b = hdfs.rename(oldPath,newPath);
        } catch (IOException e) {
            e.printStackTrace();
            logger.error(e);
        }finally {
            try {
                hdfs.close();
            } catch (IOException e) {
                e.printStackTrace();
                logger.error(e);
            }
        }

        return b;
    } 

 

　　5.文件夹的递归遍历

         /**
             * 遍历文件夹
             * public FileStatus[] listStatus(Path p)
             * 通常使用HDFS文件系统的listStatus(path)来获取改定路径的子路径。然后逐个判断
             * 值得注意的是：
             *  1.并不是总有文件夹中有文件，有些文件夹是空的，如果仅仅做是否为文件的判断会有问题，必须加文件的长度是否为0的判断
             *  2.使用getPath()方法获取的是FileStatus对象是带URL路径的。使用FileStatus.getPath().toUri().getPath()获取的路径才是不带url的路径
             * @param hdfs
             * @param listPath 传入的HDFS开始遍历的路径
             * @return
             */
            public Set<String> recursiveHdfsPath(FileSystem hdfs,Path listPath){
        
                /*FileStatus[] files = null;
                try {
                    files = hdfs.listStatus(listPath);
                    Path[] paths = FileUtil.stat2Paths(files);
                    for(int i=0;i<files.length;i++){
                        if(files[i].isFile()){
                            // set.add(paths[i].toString());
                            set.add(paths[i].getName());
                        }else {
                            recursiveHdfsPath(hdfs,paths[i]);
                        }
                    }
                } catch (IOException e) {
                    e.printStackTrace();
                    logger.error(e);
                }*/
        
                FileStatus[] files = null;
        
                try {
                    files = hdfs.listStatus(listPath);
                    // 实际上并不是每个文件夹都会有文件的。
                    if(files.length == 0){
                        // 如果不使用toUri()，获取的路径带URL。
                        set.add(listPath.toUri().getPath());
                    }else {
                        // 判断是否为文件
                        for (FileStatus f : files) {
                            if (files.length == 0 || f.isFile()) {
                                set.add(f.getPath().toUri().getPath());
                            } else {
                                // 是文件夹，且非空，就继续遍历
                                recursiveHdfsPath(hdfs, f.getPath());
                            }
                        }
                    }
                } catch (IOException e) {
                    e.printStackTrace();
                    logger.error(e);
                }
                return set;
            } 

 

　　6.文件的判断

 /**
     * 文件简单的判断
     * 是否存在
     * 是否是文件夹
     * 是否是文件
     * @param fs
     */
    public void myCheck(FileSystem fs){
        boolean isExists = false;
        boolean isDirectorys = false;
        boolean isFiles = false;

        Path path = new Path("/hyw/test/huabingood01");

        try {
            isExists = fs.exists(path);
            isDirectorys = fs.isDirectory(path);
            isFiles = fs.isFile(path);
        } catch (IOException e){
            e.printStackTrace();
            logger.error(e);
        } finally {
            try {
                fs.close();
            } catch (IOException e) {
                e.printStackTrace();
                logger.error(e);
            }
        }

        if(!isExists){
            System.out.println("lu jing not cun zai.");
        }else{
            System.out.println("lu jing cun zai.");
            if(isDirectorys){
                System.out.println("Directory");
            }else if(isFiles){
                System.out.println("Files");
            }
        } 

 

　　7.文件配置信息的查询

 /**
     * 获取配置的所有信息
     * 首先，我们要知道配置文件是哪一个
     * 然后我们将获取的配置文件用迭代器接收
     * 实际上配置中是KV对，我们可以通过java中的Entry来接收
     *
     */
    public void showAllConf(){
        Configuration conf = new Configuration();
        conf.set("fs.defaultFS", "hdfs://huabingood01:9000");
        Iterator<Map.Entry<String,String>> it = conf.iterator();
        while(it.hasNext()){
            Map.Entry<String,String> entry = it.next();
            System.out.println(entry.getKey()+"=" +entry.getValue());
        }
    } 

 

　　8.文件的上传

    /**
     * 文件下载
     * 注意下载的路径的最后一个地址是下载的文件名
     * copyToLocalFile(Path local,Path hdfs)
     * 下载命令中的参数是没有任何布尔值的，如果添加了布尔是，意味着这是moveToLocalFile()
     * @param fs
     */
    public void getFileFromHDFS(FileSystem fs){
        Path HDFSPath = new Path("/hyw/test/hadoop-2.6.0-cdh5.10.0.tar.gz");
        Path localPath = new Path("/home/huabingood");

        try {
            fs.copyToLocalFile(HDFSPath,localPath);
        } catch (IOException e) {
            e.printStackTrace();
            logger.error("zhe li you cuo wu !" ,e);
        }finally {
            try {
                fs.close();
            } catch (IOException e) {
                e.printStackTrace();
                logger.error("zhe li you cuo wu !", e);
            }
        }
    } 

 

　　9.文件的下载

         /**
             * 文件的下载
             * 注意事项同文件的上传
             * 注意如果上传的路径不存在会自动创建
             * 如果存在同名的文件，会覆盖
             * @param fs
             */
            public void myPutFile2HDFS(FileSystem fs){
        
                boolean pathExists = false;
                // 如果上传的路径不存在会创建
                // 如果该路径文件已存在，就会覆盖
                Path localPath = new Path("/home/huabingood/绣春刀.rmbv");
                Path hdfsPath = new Path("/hyw/test/huabingood/abc/efg/绣春刀.rmbv");
        
                try {
                    fs.copyFromLocalFile(localPath,hdfsPath);
                } catch (IOException e) {
                    e.printStackTrace();
                }finally {
                    try {
                        fs.close();
                    } catch (IOException e) {
                        e.printStackTrace();
                    }
                }
        
            } 

 

　　10.文件的IO操作——HDFS之间文件的复制

            /**
             * hdfs之间文件的复制
             * 使用FSDataInputStream来打开文件open(Path p)
             * 使用FSDataOutputStream开创建写到的路径create(Path p)
             * 使用 IOUtils.copyBytes(FSDataInputStream,FSDataOutputStream,int buffer,Boolean isClose)来进行具体的读写
             * 说明：
             *  1.java中使用缓冲区来加速读取文件，这里也使用了缓冲区，但是只要指定缓冲区大小即可，不必单独设置一个新的数组来接受
             *  2.最后一个布尔值表示是否使用完后关闭读写流。通常是false，如果不手动关会报错的
             * @param hdfs
             */
            public void copyFileBetweenHDFS(FileSystem hdfs){
                Path inPath = new Path("/hyw/test/hadoop-2.6.0-cdh5.10.0.tar.gz");
                Path outPath = new Path("/huabin/hadoop.tar.gz");
        
                // byte[] ioBuffer = new byte[1024*1024*64];
                // int len = 0;
        
                FSDataInputStream hdfsIn = null;
                FSDataOutputStream hdfsOut = null;
        
                try {
                    hdfsIn = hdfs.open(inPath);
                    hdfsOut = hdfs.create(outPath);
        
                    IOUtils.copyBytes(hdfsIn,hdfsOut,1024*1024*64,false);
        
                    /*while((len=hdfsIn.read(ioBuffer))!= -1){
                        IOUtils.copyBytes(hdfsIn,hdfsOut,len,true);
                    }*/
                } catch (IOException e) {
                    e.printStackTrace();
                    logger.error(e);
                }finally {
                    try {
                    hdfsOut.close();
                    hdfsIn.close();
                    } catch (IOException e) {
                        e.printStackTrace();
                    }
        
                }
        
            }