HDFS的Java客户端操作

客户端环境准备

将hadoop-2.9.2.tar.gz安装包解压到非中文路径（例如：C:\softwares\Java\hadoop-2.9.2）。
配置HADOOP_HOME环境变量
配置Path环境变量
idea创建一个Maven工程ClientDemo

pom文件导入相应的依赖坐标+日志配置文件

<dependencies>
    <!-- 单元测试junit依赖-->
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>RELEASE</version>
    </dependency>

    <!-- log4j 打印日志依赖-->
    <dependency>
        <groupId>org.apache.logging.log4j</groupId>
        <artifactId>log4j-core</artifactId>
        <version>2.8.2</version>
    </dependency>

    <!-- hadoop-common依赖,以下为maven远程仓库的所在地址,选择和安装的hadoop版本一致-->
    <!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-common -->
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-common</artifactId>
        <version>2.9.2</version>
    </dependency>

    <!-- hadoop-client依赖,以下为maven远程仓库的所在地址,选择和安装的hadoop版本一致-->
    <!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-client -->
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>2.9.2</version>
    </dependency>

    <!-- hadoop-hdfs依赖,以下为maven远程仓库的所在地址,选择和安装的hadoop版本一致-->
    <!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-hdfs -->
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-hdfs</artifactId>
        <version>2.9.2</version>
    </dependency>
</dependencies>

为了便于控制程序运行打印的日志数量，需要在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，文件内容：

log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

创建包：com.lagou.hdfs,并创建HdfsClient类,内容如下:

package com.lagou.hdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.Test;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;

public class HdfsClient {
    @Test
    public void testMkdirs() throws IOException, InterruptedException, URISyntaxException {
        //1 获取Hadoop集群的Configuration对象
        Configuration configuration = new Configuration();
        //2 根据Configuration获取FileSystem对象 url指定namenode的通讯地址,user指定linux服务器的用户
        FileSystem fs = FileSystem.get(new URI("hdfs://linux121:9000"), configuration, "root");
        //3 使用FileSystem对象创建一个测试目录
        fs.mkdirs(new Path("/api_test"));
        //4 释放FileSystem对象(类似数据库连接)
        fs.close();
    }
}

运行testMkdirs方法,显示如图所示:

注意：Windows解压安装Hadoop后,在调用相关API操作HDFS集群可能报错,这是由于Hadoop安装缺少Windows操作系统相关文件所致。

解决方案：从资料文件夹中找到winutils.exe拷贝放到Windows系统Hadoop安装目录的bin目录下即可。

修改HdfsClient类，如下

public class HdfsClient {
    @Test
    public void testMkdirs() throws IOException, InterruptedException, URISyntaxException {
        //1 获取Hadoop集群的Configuration对象
        Configuration configuration = new Configuration();
        //2 根据Configuration获取FileSystem对象 url指定namenode的通讯地址,user指定linux服务器的用户
        //linux121必须本机配置hosts才可识别
        //FileSystem fs = FileSystem.get(new URI("hdfs://linux121:9000"), configuration, "root");
        configuration.set("fs.defaultFS", "hdfs://linux121:9000");
        FileSystem fs = FileSystem.get(configuration);
        //3 使用FileSystem对象创建一个测试目录
        fs.mkdirs(new Path("/api_test1"));
        //4 释放FileSystem对象(类似数据库连接)
        fs.close();
    }
}

运行testMkdirs方法,显示如图所示:

遇到问题：如果不指定操作HDFS集群的用户信息，默认是获取当前操作系统的用户信息，出现权限被拒绝的问题。

hdfs的文件权限机制与linux系统的文件权限机制类似！！

r:read w:write x:execute 权限x对于文件表示忽略，对于文件夹表示是否有权限访问其内容。

如果linux系统用户zhangsan使用hadoop命令创建一个文件，那么这个文件在HDFS当中的owner就是zhangsan。

HDFS文件权限的目的，防止好人做错事，而不是阻止坏人做坏事。HDFS相信你告诉我你是谁，你就是谁！！

解决方案：

1.指定用户信息获取FileSystem对象，如HdfsClient类中testMkdirs初始的内容。

2.关闭HDFS集群权限校验。

vim hdfs-site.xml

#添加如下属性
<property>
  <name>dfs.permissions</name>
  <value>true</value>
</property>

修改完成之后要分发到其它节点，同时要重启HDFS集群。

3.基于HDFS权限本身比较鸡肋的特点，我们可以彻底放弃HDFS的权限校验，如果生产环境中我们可以考虑借助kerberos以及sentry等安全框架来管理大数据集群安全。所以我们直接修改HDFS的根目录权限为777。

1	hdfs dfs -chmod -R 777 /

HDFS的API操作

上传文件

package com.lagou.hdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;

public class HdfsClient {
    FileSystem fs = null;

    @Before
    public void init() throws URISyntaxException, IOException, InterruptedException {
        //1 获取Hadoop集群的Configuration对象
        Configuration configuration = new Configuration();
        //2 根据Configuration获取FileSystem对象 url指定namenode的通讯地址,user指定linux服务器的用户
        //linux121必须本机配置hosts才可识别
        fs = FileSystem.get(new URI("hdfs://linux121:9000"), configuration, "root");
    }

    @After
    public void destory() throws IOException {
        //4 释放FileSystem对象(类似数据库连接)
        fs.close();
    }

    @Test
    public void testMkdirs() throws IOException, InterruptedException, URISyntaxException {
        //3 使用FileSystem对象创建一个测试目录
        fs.mkdirs(new Path("/api_test2"));
    }

    //上传文件
    @Test
    public void copyFromLocalFile() throws IOException {
        // 上传文件
        //src:源文件目录   本地路径
        //dst:目标文件目录  hdfs路径
        fs.copyFromLocalFile(new Path("C:/lagou.txt"), new Path("/lagou.txt"));
    }
}

文件的备份数量是服务器的默认配置。

在src/main/resource下创建hdfs-site.xml,并输入以下,可以修改备份数量

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

在java代码中设置的备份数量。

//在上述的init方法中加入配置
@Before
public void init() throws URISyntaxException, IOException, InterruptedException {
    //1 获取Hadoop集群的Configuration对象
    Configuration configuration = new Configuration();
    configuration.set("dfs.replication", "2");
    //2 根据Configuration获取FileSystem对象 url指定namenode的通讯地址,user指定linux服务器的用户
    //linux121必须本机配置hosts才可识别
    fs = FileSystem.get(new URI("hdfs://linux121:9000"), configuration, "root");
}

配置备份参数优先级排序：（1）代码中设置的值 >（2）用户自定义配置文件 >（3）服务器的默认配置

下载文件

在上述类中加入以下方法。

//下载文件
@Test
public void copyToLocalFile() throws IOException {
    //执行下载操作
    // boolean delSrc 指是否将原文件删除
    // Path src 指要下载文件的hdfs路径
    // Path dst 指目标路径,本地路径
    // boolean useRawLocalFileSystem 是否开启文件校验
    fs.copyToLocalFile(true, new Path("/lagou.txt"), new Path("C:/lagou_copy.txt"), true);
}

删除文件/文件夹

在上述类中加入以下方法。

//删除文件/文件夹
@Test
public void testDelete() throws IOException {
    // 执行删除
    // Path 指要删除文件或文件夹的hdfs路径
    // boolean b 是否逐级删除
    fs.delete(new Path("/api_test/"), true);
}

查看文件名称、权限、长度、块信息

在上述类中加入以下方法。

//遍歷hdfs的根目录得到文件以及文件夹的信息、名称、权限、长度等
@Test
public void testListFiles() throws IOException {
    //得到一个迭代器，装有指定目录下所有文件信息
    RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
    //遍历迭代器
    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("主机名称:"+host);
            }
        }
        System.out.println("-----------华丽的分割线----------");
    }
}

文件夹判断

在上述类中加入以下方法。

//文件以及文件夹判断
@Test
public void testListStatus() throws IOException {
    //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());
        }
    }
}

I/O流操作HDFS

以上我们使用的API操作都是HDFS系统框架封装好的。我们自己也可以采用IO流的方式实现文件的上传和下载。

文件上传

把本地e盘上的lagou.txt文件上传到HDFS根目录，在上述类中加入以下方法。

//使用IO流操作HDFS
//上传文件:准备输入流读取本地文件,使用hdfs的输出流写数据到hdfs
@Test
public void putFileToHDFS() throws IOException, InterruptedException, URISyntaxException{
      // 1 获取文件系统
      Configuration configuration = new Configuration();
      FileSystem fs = FileSystem.get(new URI("hdfs://Linux121:9000"), configuration, "root");

      //2 获取hdfs文件的输入流
      FileInputStream fis = new FileInputStream(new File("e:/lagou.txt"));

      //3 获取写数据到本地的输出流
      FSDataOutputStream fos = fs.create(new Path("/lagou_io.txt"));

      //4 流的对拷，输入流数据拷贝到输出流,数组大小以及是否关闭流底层有默认值
      IOUtils.copyBytes(fis, fos, configuration);
}

文件下载

从HDFS上下载lagou.txt文件到本地e盘上，在上述类中加入以下方法。

//使用IO流操作HDFS
//下载文件:准备输入流读取hdfs文件,使用本地的输出流写数据到本地
@Test
public void getFileFromHDFS() throws IOException, InterruptedException, URISyntaxException{
    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://linux121:9000"), configuration, "root");

    // 2 获取hdfs文件的输入流
    FSDataInputStream fis = fs.open(new Path("/lagou_io.txt"));

    // 3 获取写数据到本地的输出流
    FileOutputStream fos = new FileOutputStream(new File("e:/lagou_io_copy.txt"));

    // 4 流的对拷，输入流数据拷贝到输出流,数组大小以及是否关闭流底层有默认值
    IOUtils.copyBytes(fis, fos, configuration);

    // 5 关闭资源
    IOUtils.closeStream(fos);
    IOUtils.closeStream(fis);
    fs.close();
}

seek 定位读取

将HDFS上的lagou.txt的内容在控制台输出两次，在上述类中加入以下方法。

//seek定位读取hdfs指定文件:使用io流读取/lagou.txt文件并把内容输出两次,本质就是读取文件内容两次并输出
@Test
public void readFileSeek2() throws IOException, InterruptedException, URISyntaxException{
    // 1 获取文件系统
    Configuration configuration = new Configuration();
    FileSystem fs = FileSystem.get(new URI("hdfs://linux121:9000"), configuration, "root");

    // 2 打开输入流,读取数据输出到控制台
    FSDataInputStream in = null;
    try{
        in= fs.open(new Path("/lagou.txt"));
        IOUtils.copyBytes(in, System.out, 4096, false);
        in.seek(0);
        //从头再次读取
        IOUtils.copyBytes(in, System.out, 4096, false);
    }finally {
        IOUtils.closeStream(in);
    }
}