Hadoop学习笔记（一）——（使用java API操作HDFS中遇到的问题）

1、文件树中缺少文件

（1）关于创建Maven project后文件树下没有Maven Dependencies文件

主要原因：pom.xml文件中的开头报错

错误提示：Missing artifact jdk.tools:jdk.tools:jar:1.8

如图：

image

分析：tools.jar包是JDK自带的，pom.xml中以来的包隐式依赖tools.jar包，而tools.jar并未在库中，

只需要将tools.jar包添加到jdk库中即可。

解决方案：在pom文件中添加如下代码即可。

    
            jdk.tools
            jdk.tools
            1.8
            system
            ${JAVA_HOME}/lib/tools.jar
    

解决完成后的效果如下图所示：

image

2、pom.xml文件报错

错误提示：Missing artifact jdk.tools:jdk.tools:jar:1.8

如图：

image

分析：tools.jar包是JDK自带的，pom.xml中以来的包隐式依赖tools.jar包，而tools.jar并未在库中，

只需要将tools.jar包添加到jdk库中即可。

解决方案：在pom文件中添加如下代码即可。

    
            jdk.tools
            jdk.tools
            1.8
            system
            ${JAVA_HOME}/lib/tools.jar
    

解决完成后的效果如下图所示：

image

注意：1、2两个问题的错误原因是一致的，只要解决了tools.jar包的问题，所有出错的问题都会被解决。

3、从HDFS下载文件到本地时报错且所下载的文件内容为空

错误提示：java.io.IOException: (null) entry in command string: null chmod 0644 F:\testFile

如图：

image

image

源代码如下图所示：

image

分析：因为我们的Hadoop集群搭建在Linux环境下，而开发环境是在Windows环境下，此时如果不设置Hadoop开发环境，就会报以上错误。

解决方案：

• 第一种方案：安装配置Windows平台下的Hadoop。（注意：配置完成后必须重启电脑）
• 第二种方案：将Linux上进行Hadoop安装的Hadoop压缩包下载并解压，然后在解压包bin目录下额外添 Windows相关依赖文件（winutils.exe、winutils.pdb、hadoop.dll），然后进行Hadoop 环境变量配置。（注意：配置完成后必须重启电脑）
• 第三种方案：使用FileSystem类自带的方法，即便不对Hadoop的环境变量配置也可正常实现代码功能， 缺点是本地路径下没有附带一个xxx.crc的校验文件。

这里推荐使用第三种方案，可以避免在配置Windows下的Hadoop环境时出现其他的错误。

采用第三种方案解决问题：

这里只需要将上图所示中的这条代码

fs.copyToLocalFile(new Path("/testFile"), new Path("F:/"));

改为下面这种方式即可

fs.copyToLocalFile(true, new Path("/testFile"), new Path("F:/"),true);

解决完成后的效果如下图所示：

image

---

拓展学习

1、关于eclipse中的单元测试@Test的相关概念

单元测试定义：

单元测试是指对软件中的最小可测试单元进行检查和验证。对于单元测试中单元的含义，一般来说，要根据实际情况去判定其具体含义（例如：C语言中单元指一个函数，Java里单元指一个类，图形化的软件中可以指一个窗口或一个菜单等）。单元测试是在软件开发过程中要进行的最低级别的测试活动，软件的独立单元将在与程序的其他部分相隔离的情况下进行测试。通俗来讲就是只针对一个函数或类等进行单独的运行调试。

相关知识链接：单元测试

这里我们在Java中用到的单元测试方法，采用了java中的JUnit单元测试工具。JUnit 是 Java 社区中知名度最高的单元测试工具。主要用于白盒测试和回归测试。

注意：并不是所有的方法都适合用JUnit进行单元测试，JUnit对所测试的方法有一定的要求。在使用JUnit进行测试时，有下面这几条注意点。

• @Test 不能加在静态方法上
• 所测试的方法不能有返回值
• 方法不能有参数。
• 不选择方法而去执行JUnit , 相当于所有的@Test注解下的方法都会运行一遍。

2、关于偏移量的相关概念

关于偏移量的概念早在学习C语言、汇编语言、计算机组成原理的时候就有接触，但这个概念相对于其他具象的概念而言要相对难以理解，因为偏移量本身便是一个抽象的概念。最近在研究深度学习、大数据的时候，又接触到了偏移量这个概念，这里再将其拿出来作以具象化，深度理解偏移量这个问题。

在计算机汇编语言中，把偏移量的定义为：存储单元的实际地址与其所在段的段地址之间的距离称为段内偏移，也称为“有效地址或偏移量”。

其实通俗来讲，计算机只要知道了首地址和偏移量，就相当于知道了这个数据的存储位置。

不同的语言中对于偏移量的定义略有不同，只要理解了偏移量最本质的含义，无论何种语言它所代表的意思基本相同。

这里提供三个链接，需要的小伙伴课可自行阅读。

关于Java IO流中偏移量

关于偏移量的理解

什么是偏移量