Ubuntu16.04的Hadoop2.7.3之分布式文件系统HDFS学习指南

分布式文件系统HDFS学习指南

本文参考厦门大学数据库实验室，表示感谢 http://dblab.xmu.edu.cn/blog/290-2/

作者：秦景坤

时间：2017-4-26

Hadoop分布式文件系统（Hadoop Distributed File System ,HDFS）是Hadoop核心组件之一，如果已经安装Hadoop，那么其中就已经包含了HDFS组件，无需另外安装。

下面介绍Linux操作系统中关于HDFS文件操作的常用shell命令，利用web界面查看和管理Hadoop文件系统，以及利用Hadoop提供的Java API进行基本的文件操作。

一、启动Hadoop

在学习HDFS编程实现，需要启动Hadoop，执行如下命令：

cd /usr/local/hadoop
./sbin/start-dfs.sh

二、HDFS编程

1.利用shell命令操作

Hadoop支持很多shell命令，其中fs是HDFS最常用的命令，利用fs可以查看HDFS文件系统的目录结构、上传和下载数据、创建文件。

实际上有三种shell命名方式。
1.hadoop fs
2.hadoop dfs
3.hdfs dfs

hadoop fs 适用于任何不同的文件系统，比如本地文件系统和HDFS文件系统
hadoop dfs 只能适用于HDFS文件系统
hdfs dfs 跟hadoop dfs的命名作用一样，也只能适用于HDFS文件系统

可以在终端输入如下命令，查看fs总共支持了哪些命令

hadoop fs

在终端输入如下命令，可以查看具体哪个命令怎么用

例如，查看put命令如何使用，可以输入如下的命令

hadoop fs -help put

(2)利用HDFS的web界面管理

打开Linux浏览器，输入 http://localhost:50070，即可看到HDFS的Web管理界面

(3)利用Java API与HDFS进行交互

Hadoop不同的文件系统通过调用java API进行交互，上面介绍的shell命令，本质上是Java API的应用。下面提供了Hadoop官方的Hadoop API文档，想要深入学习Hadoop，可以访问如下网址：

http://hadoop.apache.org/docs/stable/api/

利用Java API进行交互，需要安装软件Eclipse(安装教程不综述)

在Eclipse中创建项目
第一次打开Eclipse，需要填写workspace（工作空间），用来保存程序所在的位置，这里按照默认，不需要改动，如下如：

点击OK按钮，进入Eclipse软件。开始创建项目，选择顶部菜单File->New->Java Project

输入项目名称，本教程输入的项目名称”Dblab”，其他不用改写，点击”Finish”按钮即可。

项目加载所需要的jar包

如何获取Java API

API所在的jar包都在已经安装好的hadoop文件夹里，路径:/usr/local/hadoop/share/hadoop 如果你安装的hadoop不在此目录下，请找到jar包

• 加载上面路径common文件夹下:
• lib所有的jar包和hadoop-common-2.7.3.jar
• 加载上面路径hdfs文件夹下：
• lib所有的jar包和hadoop-hdfs-2.7.3.jar
• 在所有项目中加载jar包，具体操作如下:在所选的Eclipse项目(Dblab)上右键点击–>弹出菜单中选择Properties–>java Build Path–>Libraries–>Add External JARS

• 实例：利用hadoop的java api检测伪分布式文件系统HDFS上是否存在某个文件，写入文件，读取文件。

第一个编写程序，判断文件是否存在：

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


public class File_exists {
    public static void main(String[] args) {
        try {
            String filename = "test";
            Configuration conf = new Configuration();
            conf.set("fs.defaultFS", "hdfs://localhost:9000");
            conf.set("fs.hdfs.impl","org.apache.hadoop.hdfs.DistributedFileSystem");
            FileSystem fs = FileSystem.get(conf);
            if(fs.exists(new Path(filename))){
                System.out.println("file exists.");
            }else {
                System.out.println("file not exists.");
            }
            fs.close();
        } catch(Exception e) {
            e.printStackTrace();
        }
    }
}

程序运行之后

可以看到文件不存在。

第二个编程序写入文件

import org.apache.hadoop.conf.Configuration;  
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.Path;

public class Chapter3 {    
        public static void main(String[] args) { 
                try {
                        Configuration conf = new Configuration();  
                        conf.set("fs.defaultFS","hdfs://localhost:9000");
                        conf.set("fs.hdfs.impl","org.apache.hadoop.hdfs.DistributedFileSystem");
                        FileSystem fs = FileSystem.get(conf);
                        byte[] buff = "Hello world".getBytes(); // 要写入的内容
                        String filename = "test"; //要写入的文件名
                        FSDataOutputStream os = fs.create(new Path(filename));
                        os.write(buff,0,buff.length);
                        System.out.println("Create:"+ filename);
                        os.close();
                        fs.close();
                } catch (Exception e) {  
                        e.printStackTrace();  
                }  
        }  
}

第三个程序编写读取文件

import java.io.BufferedReader;
import java.io.InputStreamReader;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.FSDataInputStream;

public class Chapter3 {
        public static void main(String[] args) {
                try {
                        Configuration conf = new Configuration();
                        conf.set("fs.defaultFS","hdfs://localhost:9000");
                        conf.set("fs.hdfs.impl","org.apache.hadoop.hdfs.DistributedFileSystem");
                        FileSystem fs = FileSystem.get(conf);
                        Path file = new Path("test"); 
                        FSDataInputStream getIt = fs.open(file);
                        BufferedReader d = new BufferedReader(new InputStreamReader(getIt));
                        String content = d.readLine(); //读取文件一行
                        System.out.println(content);
                        d.close(); //关闭文件
                        fs.close(); //关闭hdfs
                } catch (Exception e) {
                        e.printStackTrace();
                }
        }
}

导出jar包运行

1.点击Eclipse顶部菜单选项”File”，选择”export”

2.选择”Runnable JAR File”，然后下一步next

3.在终端输入命令：

java jar File_Read.jar