大数据 | 实验一:大数据系统基本实验 | 熟悉常用的HDFS操作

Posted 啦啦右一

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了大数据 | 实验一:大数据系统基本实验 | 熟悉常用的HDFS操作相关的知识,希望对你有一定的参考价值。

文章目录

📚实验目的

1)理解 HDFS 在 Hadoop 体系结构中的角色。

2)熟练使用 HDFS 操作常用的 shell 命令。

3)熟悉 HDFS 操作常用的 Java API。

📚实验平台

1)操作系统:Linux;

2)Hadoop 版本:3.2.2;

3)JDK 版本:1.8;

4)Java IDE:Eclipse。

📚实验内容

编程实现以下功能,并利用 Hadoop 提供的 Shell 命令完成相同任务

⭐️HDFSApi

1)向 HDFS 中上传任意文本文件。如果指定的文件在 HDFS 中已经存在,则由用户来指定是追加到原有文件末尾还是覆盖原有的文件;

Shell命令

检查文件是否存在,可以使用如下命令:

cd /usr/local/hadoop
./bin/hdfs dfs -test -e text.txt
#执行完上述命令不会输出结果,需要继续输入以下命令查看结果
echo $?

重启了虚拟机开始做这个实验,一开始出现报错,搜索后发现原来是hadoop没开


echo $? 返回上一个命令的状态,0表示没有错误,其他任何值表明有错误(这里显然出错,因为还没有建text.txt文件夹),手动建一个text.txt然后拖到/usr/local/hadoop。


用户可以选择追加到原来文件末尾或者覆盖原来文件

cd /usr/local/hadoop
./bin/hdfs dfs -appendToFile local.txt text.txt #追加到原文件末尾
#touch local.txt
./bin/hdfs dfs -copyFromLocal -f local.txt text.txt #覆盖原来文件,第一种命令形式
./bin/hdfs dfs -cp -f file:///usr/local/hadoop/local.txt text.txt#覆盖原来文件,第二种命令形式

这样会自动建一个local.txt文件

实际上,也可以不用上述方法,而是采用如下命令来实现

if $(hdfs dfs -test -e text.txt);
then $(hdfs dfs -appendToFile local.txt text.txt);
else $(hdfs dfs -copyFromLocal -f local.txt text.txt);
fi


编程实现

package HDFSApi;
import java.util.Scanner;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import java.io.*; 
public class HDFSApi 
 
    /*
	 判断路径是否存在
	*/
    public static boolean test(Configuration conf, String path) throws IOException 
             
        FileSystem fs = FileSystem.get(conf);       
        return fs.exists(new Path(path)); 
     
    /*
	 复制文件到指定路径
	 若路径已存在,则进行覆盖
	 */
    public static void copyFromLocalFile(Configuration conf, String localFilePath, String remoteFilePath) throws IOException 
     
        FileSystem fs = FileSystem.get(conf); 
        Path localPath = new Path(localFilePath); 
        Path remotePath = new Path(remoteFilePath); 
        /* fs.copyFromLocalFile 第一个参数表示是否删除源文件,第二个参数表示是否覆盖 */
        fs.copyFromLocalFile(false, true, localPath, remotePath);      
        fs.close(); 
     
    /*
	 追加文件内容
	 */
    public static void appendToFile(Configuration conf, String  localFilePath, String remoteFilePath) throws IOException 
     
        FileSystem fs = FileSystem.get(conf); 
        Path remotePath = new Path(remoteFilePath); 
        /* 创建一个文件读入流 */
        FileInputStream in = new FileInputStream(localFilePath); 
        /* 创建一个文件输出流,输出的内容将追加到文件末尾 */
        FSDataOutputStream out = fs.append(remotePath); 
        /* 读写文件内容 */
   		byte[] data = new byte[1024];      
   		int read = -1;         
		while ( (read = in.read(data)) > 0 ) 
                   
            out.write(data, 0, read); 
                 
		out.close();         
        in.close();         
        fs.close(); 
     
    /*
	主函数
	*/
	public static void main(String[] args) 
     
    	Configuration conf = new Configuration();
        conf.set("fs.default.name","hdfs://localhost:9000"); 
    	String localFilePath = "/usr/local/hadoop/local.txt";   
    	String remoteFilePath = "/usr/local/hadoop/text.txt";    
   	 	String choice = "append";
   		String choice2 = "overwrite"; 
   		Scanner in=new Scanner(System.in);
        String a=in.nextLine();
        boolean a1= a.contentEquals(choice2);
        boolean a2=a.contentEquals(choice);
   		//System.out.println(a.contentEquals(choice));//
    	try 
                 
            /* 判断文件是否存在 */
			Boolean fileExists = false;       
			if (HDFSApi.test(conf, remoteFilePath)) 
			         
				fileExists = true; 
				System.out.println(remoteFilePath + " 已存在.");   
   			 
			else 
			 
       			System.out.println(remoteFilePath + " 不存在."); 
      		 
      		if ( !fileExists) 
      		//文件不存在,则上传 
        		HDFSApi.copyFromLocalFile(conf, localFilePath, remoteFilePath); 
        		System.out.println(localFilePath + " 已上传至 " + remoteFilePath); 
      		 
      		else if (a2) 
      		//选择覆盖 
        		HDFSApi.copyFromLocalFile(conf, localFilePath, remoteFilePath); 
        		System.out.println(localFilePath + " 已覆盖 " + remoteFilePath); 
      		
   			else if(a1) 
   			//选择追加 
        		HDFSApi.appendToFile(conf, localFilePath, remoteFilePath); 
        		System.out.println(localFilePath + " 已追加至 " + remoteFilePath); 
      		 
		
    	catch (Exception e) 
         
      		e.printStackTrace(); 
    	 
  	 


⭐️HDFSApi2

2)从 HDFS 中下载指定文件。如果本地文件与要下载的文件名称相同,则自动对下载的文件重命名;

Shell命令

if $(./bin/hdfs dfs -test -e file:///usr/local/hadoop/text.txt); 
then $(./bin/hdfs dfs -copyToLocal text.txt ./text2.txt); 
else $(./bin/hdfs dfs -copyToLocal text.txt ./text.txt);
fi


编程实现

package HDFSApi;
import org.apache.hadoop.conf.Configuration; 
import org.apache.hadoop.fs.*; 
import java.io.*; 
public class HDFSApi2 
 
    /*
	 下载文件到本地
	 判断本地路径是否已存在,若已存在,则自动进行重命名
	*/
	public  static  void  copyToLocal(Configuration  conf,  String  remoteFilePath, String localFilePath) throws IOException 
     
      	FileSystem fs = FileSystem.get(conf); 
        Path remotePath = new Path(remoteFilePath); 
        File f = new File(localFilePath); 
		if(f.exists()) 
         //如果文件名存在,自动重命名(在文件名后面加上 _0, _1 ...) 
          	System.out.println(localFilePath + " 已存在.");           
			Integer i = 0;           
			while (true) 
                         
				f = new File(localFilePath + "_" + i.toString());             
				if (!f.exists()) 
                               
					localFilePath = localFilePath + "_" + i.toString(); 
         			break; 
        		
			 
			System.out.println("将重新命名为: " + localFilePath);  
 		        
        // 下载文件到本地
        Path localPath = new Path(localFilePath);       
 		fs.copyToLocalFile(remotePath, localPath);       
 		fs.close(); 
     
    /*
	主函数
	*/
  	public static void main(String[] args) 
     
    	Configuration conf = new Configuration(); 
        conf.set("fs.default.name","hdfs://localhost:9000");
   		String localFilePath = "/usr/local/hadoop/local.txt";    
		String remoteFilePath = "/usr/local/hadoop/text.txt";   
        try 
         
            HDFSApi2.copyToLocal(conf, remoteFilePath, localFilePath); 
            System.out.println("下载完成"); 
         
        catch (Exception e) 
         
            e.printStackTrace(); 
        
	


⭐️HDFSApi3

3)将 HDFS 中指定文件的内容输出到终端中;

Shell命令

hdfs dfs -cat text.txt


刚开始先跑shell,运行不报错,但无内容输出(但txt里是有内容的)。编程实现跑了一遍,再回去跑shell就有输出了(?

编程实现

package HDFSApi;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import java.io.*;
public class HDFSApi3 

    public static void cat(Configuration conf, String remoteFilePath) throws IOException 
    
        /*
	 	读取文件内容
	 	*/
		 FileSystem fs = FileSystem.get(conf);
		 Path remotePath = new Path(remoteFilePath);
		 FSDataInputStream in = fs.open(remotePath);
		 BufferedReader d = new BufferedReader(new InputStreamReader(in));
		 String line = null;
		 while ( (line = d.readLine()) != null ) 
         
			 System.out.println(line);
		 
		 d.close();
		 in.close();
		 fs.close();
	 
	 
	/*
	主函数
	*/
	public static void main(String[] args) 
    
		Configuration conf = new Configuration();
		conf.set("fs.default.name","hdfs://localhost:9000");
		String remoteFilePath = "/usr/local/hadoop/text.txt"; // HDFS 路径
		try 
        
			System.out.println("读取文件: " + remoteFilePath);
			HDFSApi3.cat(conf, remoteFilePath);
			System.out.println("\\n 读取完成");
		 
        catch (Exception e) 
        
			e.printStackTrace();
		
	

⭐️HDFSApi4

4)显示 HDFS 中指定的文件的读写权限、大小、创建时间、路径等信息;

Shell命令

hdfs dfs -ls -h text.txt


编程实现

package HDFSApi;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import java.io.*;
import java.text.SimpleDateFormat;
public class HDFSApi4 

	 /*
	 显示指定文件的信息
	 */
	 public static void ls(Configuration conf, String remoteFilePath) throws IOException 
     
		 FileSystem fs = FileSystem.get(conf);
		 Path remotePath = new Path(remoteFilePath);
		 FileStatus[] fileStatuses = fs.listStatus(remotePath);
		 for (FileStatus s : fileStatuses) 
         
			 System.out.println("路径: " + s.getPath().toString());
			 System.out.println("权限: " + s.getPermission().toString());
			 System.out.println("大小: " + s.getLen());
			 /* 返回的是时间戳,转化为时间日期格式 */
			 Long timeStamp = s.getModificationTime();
			 SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
			 String date = format.format(timeStamp); 
			 System.out.println("时间: " + date);
		 
		 fs.close();
	 
	 
	/**
	* 主函数
	*/
	public static void main(String[] args) 
    
		Configuration conf = new Configuration();
        conf.set("fs.default.name","hdfs://localhost:9000");
		String remoteFilePath = "/usr/local/hadoop/text.txt"; // HDFS 路径
		try 
        
			System.out.println("读取文件信息: " + remoteFilePath);
			HDFSApi4.ls(conf, remoteFilePath);
			System.out.println("\\n 读取完成");
		 
        catch (Exception e) 
        
			e.printStackTrace();
		
	

⭐️HDFSApi5

5)给定 HDFS 中某一个目录,递归输出该目录下的所有文件的读写权限、大小、创建时间、路径等信息;

Shell命令

cd /usr/local/hadoop
./bin/hdfs dfs -ls -R -h /usr/hadoop


编程实现

package HDFSApi;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import java.io.*;
import java.text.SimpleDateFormat;
public class HDFSApi5

	 /*
	  显示指定文件夹下所有文件的信息(递归)
	 */
	public static void lsDir(Configuration conf, String remoteDir) throws IOException 
    
		 FileSystem fs = FileSystem.get(conf);
		 Path dirPath = new Path(remoteDir);
		 /* 递归获取目录下的所有文件 */
		 RemoteIterator<LocatedFileStatus> remoteIterator = fs.listFiles(dirPath, true);
		 /* 输出每个文件的信息 */
		while (remoteIterator.hasNext()) 
        
			 FileStatus s = remoteIterator.next();
			 System.out.println("路径: " + s.getPath().toString());
			 System.out.println("权限: " + s.getPermission().toString());
			 System.out.println("大小: " + s.getLen());
			 /* 返回的是时间戳,转化为时间日期格式 */
			 Long timeStamp = s.getModificationTime();
			 SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"
{ "id":2, "name":"Bob","age":29 }
{ "id":3 , "name":"Jack","age":29 }
{ "id":4 , "name":"Jim","age":28 }
{ "id":4 , "name":"Jim","age":28 }
{ "id":5 , "name":"Damon" }
{ "id":5 , "name":"Damon" }
为 employee.json 创建 DataFrame,并写出 Scala 语句完成下列操作:
(1) 查询所有数据;
主讲教师:林子雨 http://www.cs.xmu.edu.cn/linziyu 第 1 页厦门大学林子雨,赖永炫,陶继平 编著《Spark 编程基础(Scala 版)》 教材配套机房上机实验指南
实验 5 Spark SQL 编程初级实践
主讲教师:林子雨 http://www.cs.xmu.edu.cn/linziyu 第 2 页
(2) 查询所有数据,并去除重复的数据;
(3) 查询所有数据,打印时去除 id 字段;
(4) 筛选出 age>30 的记录;
(5) 将数据按 age 分组;
(6) 将数据按 name 升序排列;
(7) 取出前 3 行数据;
(8) 查询所有记录的 name 列,并为其取别名为 username;
(9) 查询年龄 age 的平均值;
(10) 查询年龄 age 的最小值。
2.编程实现将 RDD 转换为 DataFrame
源文件内容如下(包含 id,name,age):
1,Ella,36
2,Bob,29
3,Jack,29
请将数据复制保存到 Linux 系统中,命名为 employee.txt,实现从 RDD 转换得到
DataFrame,并按“id:1,name:Ella,age:36”的格式打印出 DataFrame 的所有数据。请写出程序代
码。
3. 编程实现利用 DataFrame 读写 MySQL 的数据
(1)在 MySQL 数据库中新建数据库 sparktest,再创建表 employee,包含如表 6-2 所示的
两行数据。
表 6-2 employee 表原有数据
id
name
gender
Age
1
Alice
F
22
2
John
M
25
(2)配置 Spark 通过 JDBC 连接数据库 MySQL,编程实现利用 DataFrame 插入如表 6-3 所
示的两行数据到 MySQL 中,最后打印出 age 的最大值和 age 的总和。
表 6-3 employee 表新增数据
id
name
gender
age
3
Mary
F
26
4
Tom
M
23

以上是关于大数据 | 实验一:大数据系统基本实验 | 熟悉常用的HDFS操作的主要内容,如果未能解决你的问题,请参考以下文章

大数据Hadoop实验报告

大数据Hadoop实验报告

大数据 | 实验一:大数据系统基本实验 | 常用的 Linux 操作和 Hadoop 操作

大数据技术原理与应用实验1——熟悉常用的HDFS操作

可视化实验六:大数据可视化工具—Processing

大学计算机相关专业实验实训整理