参考资料

---

视频资料

运行环境

---

• Windows10
• JDK8
• IDEA 2021.6 专业版
• Hadoop3.1.3
• CentOS7
• 3个Hadoop完全分布式集群节点

一、准备 HDFS Java API 环境

---

1.1 在windows系统中准备Hadoop环境

Hadoop3.1.3 官方下载地址：点击下载，下载后解压。

hadoop主要基于linux编写，这个winutil.exe主要用于模拟Linux系统下的目录环境。因此hadoop放在windows下运行的时候，需要这个辅助程序才能运行

这些环境软件下载到hadoop目录的bin文件夹：点击下载

之后在配置Hadoop的环境变量，跟Linux环境里一样，先配置HADOOP_HOME，再配置系统变量PATH

图形化操作可以右键此电脑，点击属性，然后点击高级系统设置，环境变量

配置好后，在cmd里查看版本

hadoop version

配置完毕.

1.2 使本机连接集群节点

1.2.1 域名映射

在本机配置域名映射，这样就可以直接通过主机名连接到对应的ID

windows10配置域名映射，位置在：

C:\WINDOWS\System32\drivers\etc\

hosts的配置内容：

如图：以 IP + 空格 + 主机名 的形式进行配置

IP的话如果是本机的虚拟机则可以在虚拟机里通过命令查看

ifconfig

显示的信息中，选择eth开头的信息，比如在Vmware里是eth33，而在docker容器里就是eth0

1.2.2 路由转发

由于笔者是在虚拟机里使用docker容器搭建的三个节点，那么则有：

• 虚拟机能和自身里的docker容器相连
• 本机能和虚拟机相连

若要本机直接和虚拟机里的docker容器相连，就要进行域名转发，可参考这篇博文：Docker | 使用宿主机ping通虚拟机里的docker容器 | 路由转发

配置完成后，可以直接在主机ping通集群节点，这样就可以在之后的本机程序里连接集群的HDFS了。

1.3 使用 IDEA 创建 Maven 项目

项目结构：

pom.xml 配置 Maven项目的依赖

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><groupId>com.uni</groupId><artifactId>HDFSLearn</artifactId><version>1.0-SNAPSHOT</version><properties><maven.compiler.source>8</maven.compiler.source><maven.compiler.target>8</maven.compiler.target></properties><dependencies><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-client</artifactId><version>3.1.3</version></dependency><dependency><groupId>junit</groupId><artifactId>junit</artifactId><version>4.12</version></dependency><dependency><groupId>org.slf4j</groupId><artifactId>slf4j-log4j12</artifactId><version>1.7.30</version></dependency></dependencies>
</project>

log4j.properties 配置 log4j日志文件的输出信息

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

至此，IDEA项目搭建完毕。

二、HDFS Java API 操作案例

---

2.1 创建文件夹

org.apache.hadoop.fs.FileSystem 源码中的相关方法：

public static boolean mkdirs(FileSystem fs, Path dir, FsPermission permission)
public abstract boolean mkdirs(Path f, FsPermission permission) throws IOException
public boolean mkdirs(Path f) throws IOException

参数说明：

参数	描述
Path f	HDFS创建的文件目录
FsPermission permission	当前用户的权限级别

测试代码：

public class HdfsClient {private static Configuration configuration;private static String HDFS_PATH = "hdfs://hadoop101:8020"; // HDFS 连接地址private static String HDFS_USER = "root";                  // HDFS 连接对象private static FileSystem fs;                              // HDFS 文件操作对象/* 单例模式 创建连接 **/ static { configuration = new Configuration(); }public FileSystem getFileSystem(){try{if(fs == null)fs = FileSystem.get(new URI(HDFS_PATH), configuration, HDFS_USER);} catch (Exception e) {e.printStackTrace();}return fs;}@Testpublic void testMkdir() throws IOException{FileSystem fs = getFileSystem();fs.mkdirs(new Path("/uni/testMkdir/"));fs.close();}
}

2.2 上传文件

org.apache.hadoop.fs.FileSystem 源码中的相关方法：

public void copyFromLocalFile(Path src, Path dst)
public void moveFromLocalFile(Path[] srcs, Path dst)
public void copyFromLocalFile(boolean delSrc, Path src, Path dst)
public void copyFromLocalFile(boolean delSrc, boolean overwrite,Path[] srcs, Path dst)
public void copyFromLocalFile(boolean delSrc, boolean overwrite,Path src, Path dst)

参数说明：

参数	描述
boolean delSrc	是否删除HDFS路径所在的原数据
boolean overwrite	是否允许覆盖原内容
Path src / []srcs	本地数据路径
Path dst	HDFS目的地路径

测试代码：

@Test
public void testCopyFromLocalFile() throws IOException{FileSystem fs = getFileSystem();Path localFile = new Path("test.txt");Path distPath = new Path("/uni/testMkdir");fs.copyFromLocalFile(localFile, distPath);fs.close();
}

2.3 下载文件

org.apache.hadoop.fs.FileSystem 源码中的相关方法：

public void copyToLocalFile(boolean delSrc, Path src, Path dst)
public void copyToLocalFile(boolean delSrc, Path src, Path dst,boolean useRawLocalFileSystem) throws IOException 
public void copyToLocalFile(Path src, Path dst) throws IOException

参数说明：

参数	描述
boolean delSrc	是否删除本地路径所在的原数据
boolean overwrite	是否允许覆盖原内容
Path src / []srcs	本地数据路径
Path dst	HDFS目的地路径
boolean useRawLocalFileSystem	是否开启本地文件校验（crc循环冗余校验）

2.4 删除文件

org.apache.hadoop.fs.FileSystem 源码中的相关方法：

public boolean delete(Path f) throws IOException
public abstract boolean delete(Path f, boolean recursive) throws IOException
public boolean deleteOnExit(Path f) throws IOException
public void deleteSnapshot(Path path, String snapshotName)

参数说明：

参数	描述
Path f	要删除的路径地址
boolean recursive	表示是否递归删除
Path dst	HDFS目的地路径
boolean useRawLocalFileSystem	是否开启本地文件校验（crc循环冗余校验）

测试代码：

@Test
public void testDelete(){FileSystem fs = getFileSystem();try{fs.delete(new Path("/uni/testMkdir/test.txt"),true);fs.close();} catch (IOException e) {e.printStackTrace();}
}

2.5 文件的更名和移动

org.apache.hadoop.fs.FileSystem 源码中的相关方法：

public abstract boolean rename(Path src, Path dst) throws IOException

测试方法：

@Test
public void testMove(){FileSystem fs = getFileSystem();try{fs.rename(new Path("/uni/testMkdir"),new Path("/uni/MyDir"));fs.close();} catch (IOException e) {e.printStackTrace();}fs.close();
}

2.6 获取HDFS文件信息

org.apache.hadoop.fs.FileSystem 源码中的相关方法：

public RemoteIterator<LocatedFileStatus> listFiles(final Path f, final boolean recursive)

测试方法:
获取HDFS文件信息

@Test
public void testDetail() throws IOException {FileSystem fs = getFileSystem();// 获取所有文件信息RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);while (listFiles.hasNext()) {LocatedFileStatus fileStatus = listFiles.next();System.out.println("===========" + fileStatus.getPath() +"=========");System.out.println(fileStatus.getPermission());System.out.println(fileStatus.getOwner());System.out.println(fileStatus.getGroup());System.out.println(fileStatus.getLen());System.out.println(fileStatus.getModificationTime());System.out.println(fileStatus.getReplication());System.out.println(fileStatus.getBlockSize());System.out.println(fileStatus.getPath().getName());}fs.close();
}

获取HDFS文件的块信息：

@Test
public void testDetail() throws IOException {FileSystem fs = getFileSystem();// 获取所有文件信息RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);while (listFiles.hasNext()) {LocatedFileStatus fileStatus = listFiles.next();BlockLocation[] blockLocations = fileStatus.getBlockLocations();System.out.println(Arrays.toString(blockLocations));}fs.close();
}

2.7 文件与文件夹的判断

@Test
public void testFile() throws IOException {FileSystem fs = getFileSystem();FileStatus[] listStatus = fs.listStatus(new Path("/"));for (FileStatus status : listStatus) {if(status.isFile())System.out.println("文件:" + status.getPath().getName());elseSystem.out.println("目录:" + status.getPath().getName());}fs.close();
}

2.8 HDFS - API 配置参数优先级问题

2.8.1 通过配置文件

hdfs-site.xml

可以将hadoop的配置文件 hdfs-site.xml放到项目里的resources文件夹里，这样API在执行时会按照这个配置来执行。

2.8.2 通过Configuration对象

除了创建文件外，还可以通过配置Configuration对象来设置参数

这个类是来自包 org.apache.hadoop.conf 的

范例： 将分区数设置成2

Configuration configuration = new Configuration();
configuration.set("dfs.replication", 2);

2.8.3 优先级问题

优先级从高到低依次为：

API程序的Configuration配置 > 项目资源文件下的配置文件 > 集群中 hdfs-site.xml > 集群中hdfs-default.xml