Hadoop | javaAPI

Hadoop 中基本CRUD操作的 javaAPI：

package com.example.demo.hadoop;

import org.apache.commons.io.IOUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.junit.Before;
import org.junit.Test;

import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;

public class HDFSDemo01 {
    private FileSystem hadoopClient = null;

    @Before
    public void init(){
        System.out.println("初始化");
        //配置configuration
        System.setProperty("hadoop.home.dir", "D:\\Program Files\\hadoop-2.6.4");
        Configuration conf = new Configuration();
        // 获取文件系统的客户端操作对象
        try {
            hadoopClient = FileSystem.get(new URI("hdfs://47.100.110.224:9000"), conf, "hadoop");
        } catch (IOException e) {
            e.printStackTrace();
        } catch (InterruptedException e) {
            e.printStackTrace();
        } catch (URISyntaxException e) {
            e.printStackTrace();
        }
    }

    /**
     * 文件上传，下载
     * @throws Exception
     */
    @Test
    public void test01() throws Exception{
        //系统操作
        hadoopClient.copyFromLocalFile(new Path("E:/abc.txt"), new Path("/access.txt"));
        //刷新并关闭
        hadoopClient.close();

       //下载操作，跟上面的不能一起，因为上面已经关闭了
        hadoopClient.copyToLocalFile(new Path("/access.log.copy"),new Path("E:/"));
        //刷新并关闭
        hadoopClient.close();
    }


    /**
     * 文件/目录CRUD操作
     */
    @Test
    public void test04() throws Exception {
        //可以多级目录进行创建
        boolean mkdirs = hadoopClient.mkdirs(new Path("/data/outpt6"));
        //是否成功标识，下同，不再写出
        System.out.print(mkdirs);

        //第二个参数 是否递归删除非空目录
        boolean delete = hadoopClient.delete(new Path("/data/outpt6"), true);

        //存在即删除
        boolean b = hadoopClient.deleteOnExit(new Path("/data/outpt6"));

        // 重命名文件或文件夹  旧名-》新名
        boolean rename = hadoopClient.rename(new Path("/data/outpt6"), new Path("/data/outpt7"));

    }


    /**
     * 查看指定目录信息，只显示文件
     * 为什么用迭代器而不用数组？
     * 因为数组/集合 都是已经填充完毕的对象，并且加载到内存中去使用，hadoop的数据量比较大，如果全加载在内存中，会导致内存不足
     * 而迭代器不是已经填充完毕的对象，开始只是获取迭代器对象，然后通过hasNext去集群中查询是否呦下一个数据，如果呦，就通过
     * next方法去集群找下一个数据，所以每次next只会有一个数据存在内存中。
     */
    @Test
    public void test05() throws Exception {
        //获取指定目录的迭代器信息，第二个参数代表递归查询（包括子目录下的文件一并查出）
        RemoteIterator iterator = hadoopClient.listFiles(new Path("/data/"), true);
        while(iterator.hasNext()){
            //FileStatus对象封装了文件的和目录的元数据，包括文件长度、块大小、权限等信息
            LocatedFileStatus next = iterator.next();
            System.out.println("文件路径："+next.getPath());
            System.out.println("块的大小："+next.getBlockSize());
            System.out.println("文件所有者："+next.getOwner()+":"+next.getGroup());
            System.out.println("文件权限："+next.getPermission());
            System.out.println("文件长度："+next.getLen());
            System.out.println("备份数："+next.getReplication());
            System.out.println("修改时间："+next.getModificationTime());

            //文件切割块的信息
            BlockLocation[] blockLocations = next.getBlockLocations();
            for (BlockLocation bl : blockLocations) {
                System.out.println("block-length:" + bl.getLength() + "--" + "block-offset:" + bl.getOffset());
                String[] hosts = bl.getHosts();
                for (String host : hosts) {
                    System.out.println(host);
                }
            }
            System.out.println("--------------为angelababy打印的分割线--------------");
        }
    }

    /**
     * 查看文件及文件夹信息，不会进行递归查看子目录
     */
    @Test
    public void test06() throws Exception{
        //通过fs的listStatus方法获取一个指定path的所有文件信息(status)
        FileStatus[] listStatus = hadoopClient.listStatus(new Path("/data/"));
        for (FileStatus fstatus : listStatus) {
            //可以判断是文件还是目录
            if(fstatus.isFile()){
                //文件
            }
            if(fstatus.isDirectory()){
                //目录
            }
        }
    }

    //通过流的方式访问hdfs这样可以控制获取的内容大小，比如有3台机器分别部署了mapreduce.jar  那么每一台处理不同的数据，分别为：0-60M，60-120M，120-180M 并发进行，那么上面那种操作方式时不可以的。

    /**
     * 通过流的方式上传文件到hdfs
     */
    @Test
    public void test07() throws Exception{

        //获取输出流，第二个参数 如果文件存在就覆盖
        FSDataOutputStream out = hadoopClient.create(new Path("/data/outpt7"),true);
        FileInputStream in = new FileInputStream("D:/abc.txt");

        //不需要我们手动关闭流拉
        IOUtils.copy(in, out);
    }

    /**
     * 通过流的方式下载
     */
    @Test
    public void test08() throws Exception{
        //先获取一个文件的输入流----针对hdfs上的
        FSDataInputStream in = hadoopClient.open(new Path("/data/outpt7"));

        //指定读取的起始位置，单位字节byte
        in.seek(12);

        //再构造一个文件的输出流----针对本地的
        FileOutputStream out = new FileOutputStream(new File("D:/outpt7"));

        //再将输入流中数据传输到输出流
        IOUtils.copy(in,out);
    }

    /**
     * 显示hdfs上文件的内容到控制台
     */
    @Test
    public void test09() throws Exception{
        // FSDataInputStream in = hadoopClient.open(new Path("/iloveyou.txt"));
        FileInputStream fileInputStream = new FileInputStream(new File("E:/abc.txt"));
        //第三个参数代表缓冲区大小，也就是每次读取数据量的最大值
        org.apache.hadoop.io.IOUtils.copyBytes(fileInputStream,System.out,1024);

        //第三个参数代表 读取多少个字节内容，第四个参数代表关不关流
        org.apache.hadoop.io.IOUtils.copyBytes(fileInputStream,System.out,8L,true);
    }
}