Hadoop HDFS的API操作

客户端环境准备

hadoop的 Windows依赖文件夹，拷贝hadoop-3.1.0到非中文路径（比如d:\）。

• 配置HADOOP_HOME环境变量
  

• 配置Path环境变量。
  
  不能放在包含有空格的目录下，cmd 输入hadoop显示此时不应有 \hadoop-3.0.0\bin\。我放在E:\Program Files (x86) \hadoop-3.0.0\bin\中，就出现错误
  验证Hadoop环境变量是否正常。双击winutils.exe，如果报如下错误。说明缺少微软运行库（正版系统往往有这个问题）。里面有对应的微软运行库安装包双击安装即可。
  
• 配置Path环境变量。然后重启电脑
• 如果上述操作后在后面代码执行的过程中，还有问题可以将bin目录下hadoop.dll和winutils.exe放到C:/windows/system32目录下

1. 在IDEA中创建一个Maven工程HdfsClientDemo，并导入相应的依赖坐标+日志添加

    
        org.apache.hadoop
        hadoop-client
        3.1.3
    
    
        junit
        junit
        4.12
    
    
        org.slf4j
        slf4j-log4j12
        1.7.30
    

2. 在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入

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

4. 创建HdfsClient类

方式一

public class HdfsClient{	
@Test
public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{
		
		// 1 获取文件系统
		Configuration configuration = new Configuration();
		// 配置在集群上运行
	FileSystem fs = FileSystem.get(
new URI("hdfs://hadoop102:8020"),
configuration, 
"xiaoming"
);

	}
}

vim core-site.xml

方式二 给main方法传参数

1.代码部分
public class HdfsClient{	
@Test
public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{
		// 1 获取文件系统
		Configuration configuration = new Configuration();
		// 配置在集群上运行
		configuration.set("fs.defaultFS", "hdfs://hadoop102:8020");
		FileSystem fs = FileSystem.get(configuration);
	}
}

2. 配置部分
   运行时需要配置用户名称（默认是使用windows用户名操作HDFS）
   

给main方法传参 ：
1.在IDEA中传参 – 在运行按钮上右键—>点击Edit 类名.main() —>
Program Arguments后面写传的参数 —>默认就是字符串 多个参数之间用空格隔开，注意：如果右键没有就先运行一遍。
2. java 字节码文件名 参数1 参数2 …
客户端去操作HDFS时，是有一个用户身份的。默认情况下，HDFS客户端API会从JVM中获取一个参数来作为自己的用户身份：-DHADOOP_USER_NAME=*****，
为用户名称。
错误：Permission denied: user=XXXXXX, access=WRITE, inode=“/demo”::supergroup:drwxr-xr-x
解决方案 ：①修改权限–不建议 ②修改操作HDFS的用户名（默认是windows系统登录的用户名）

修改用户名:在IDEA中传参 --  在运行按钮上右键--->点击Edit 类名.main() --->
                VM OPtions ： -DHADOOP_USER_NAME=******

    public static void main(String[] args) throws URISyntaxException, IOException, InterruptedException {
        URI uri = new URI("hdfs://hadoop102:8020");
        Configuration conf = new Configuration();
        conf.set("fs.defaultFS", "hdfs://hadoop102:8020");
        conf.set("dfs.replication","2");
        FileSystem fs = FileSystem.get( conf);
//        fs.copyToLocalFile(false, new Path("/input/word.txt"), new Path("E:\\io"), false);
        fs.copyFromLocalFile(false,true,new Path("E:\\io\\upload.txt"),new Path("/input"));
        fs.close();
    }
}

VM options可以调节JVM的堆栈等大小。

HDFS文件上传

@Test
public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {

		// 1 获取文件系统
		Configuration configuration = new Configuration();
		FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "xiaoming");

		// 2 上传文件
		fs.copyFromLocalFile(new Path("e:/banzhang.txt"), new Path("/banzhang.txt"));

		// 3 关闭资源
		fs.close();

IDEA创建Maven工程，由于版本不一样，这里我使用2022.3版本，有一个将junit加入classpath的设置，还有将各种目录设置：Mark Directory as ：src/main/java 关联为 Sources Root;（右击java》选择mark Dirctory as》选择Sources Root）;src/main/resources 关联为Resources Root;（右击resources》选择mark Dirctory as》选择Resources Root）;src/test/java 关联为Test Sources Root;（右击test文件夹下test》选择mark Dirctory as》选择Test Sources Root;src/test/resources 关联为 Test Resources Root;（右击test文件夹下resources》选择mark Dirctory as》选择Test Resources Root）

还有最后一步就是：选中pom.xml文件，右键add as Maven project。Jar包没有生效就重新加载pom.xml文件。

HDFS文件下载

@Test
public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{

		// 1 获取文件系统
		Configuration configuration = new Configuration();
		FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "xiaoming");
		
		// 2 执行下载操作
		// boolean delSrc 指是否将原文件删除
		// Path src 指要下载的文件路径
		// Path dst 指将文件下载到的路径
		// boolean useRawLocalFileSystem 是否开启文件校验
		fs.copyToLocalFile(false, new Path("/banzhang.txt"), new Path("e:/banhua.txt"), true);
		
		// 3 关闭资源
		fs.close();

例如：本地上传a.txt到HDFS上面，首先会在本地对a.txt进行一个校验得到一个校验值(123),然后将a.txt和校验值123一起上传到HDFS。在HDFS上面进行性文件a.txt的再一次校验值***，将123 与 ***进行对比。下载也是一样的流程。比如上传文件到百度网盘，会发现有时候特别快，上传的文件会有一个校验值，其他人上传相同文件的时候，会将另外待上传相同文件计算一个校验值去服务端查找，有此校验值，就保存一个在百度网网盘。上传违法文件时，也会在黑名单保留此文件的校验值。

测试参数优先级

1. 编写源代码

@Test
public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {

		// 1 获取文件系统
		Configuration configuration = new Configuration();
		configuration.set("dfs.replication", "2");
		FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "xiaoming");

		// 2 上传文件
		fs.copyFromLocalFile(new Path("e:/banzhang.txt"), new Path("/banzhang.txt"));

		// 3 关闭资源
		fs.close();

		System.out.println("over");

2. 将hdfs-site.xml拷贝到项目的根目录(resource)下

	
		dfs.replication
         1
	

3. 参数优先级
   参数优先级排序：（1）客户端代码中设置的值 >（2）ClassPath下的用户自定义配置文件 >（3）然后是服务器的默认配置
   参数的配置 ： 客户端代码,客户端的配置文件,服务器端xxx-default.xml，服务器端的xxx-site.xml
   在客户端的执行的命令 ： 客户端代码 > 客户端的配置文件 > 服务器端的xxx-default.xml(默认备份数3)
   如果注释掉客户端代码和配置文件，这个时候如果服务端也配置了hdfs-site.xml （例如配置8），是不生效的，上传文件默认备份数3。
   在服务器端执行命令 : hadoop fs -put a.txt /demo
   服务器端xxx-site.xml > 服务器端xxx-default.xml
   

验证1：客户端和配置文件都设置了备份数，看谁优先级高！

客户端设置为文件备份数2，配置文件设置为文件备份数5

验证2： 只在配置文件里设置文件备份数

验证3： 服务端 /opt/module/hadoop-3.1.3/etc/hadoop/hdfs-site.xml。设置之后必须分发xsync hdfs-site.xml并重启HDFS。注意：此操作仅涉及服务端，与客户端没有任何关系！！！！！

分发重启不能立马操作！
以下结果证明了服务器端xxx-site.xml > 服务器端xxx-default.xml

注意：刚启动集群不能立马操作，否则会报下面的错。

分享到此，感谢下伙伴们支持！