一.从hadoop文件系统hdfs读取文件
读取hdfs文件有两种方法:
1.使用java.net.URL对象打开数据流,从中读取代码
importjava.io.IOException;importjava.io.InputStream;importjava.net.MalformedURLException;importjava.net.URL;importorg.apache.commons.compress.utils.IOUtils;importorg.apache.hadoop.fs.FsUrlStreamHandlerFactory;public classURLCat
{static{
URL.setURLStreamHandlerFactory(newFsUrlStreamHandlerFactory());
}public static void main(String [] args) throwsMalformedURLException, IOException
{try(InputStream in = new URL(args[0]).openStream();)
{
IOUtils.copy(in, System.out);
}
}
}
要想让java程序能识别Hadoop的hdfs URL必须通过FsUrlStreamHandlerFactory实例调用java.net.URL对象的setURLStreamHandlerFactory方法,然而每个java虚拟机只能调用一次这个方法,这意味着如果如果程序的其他组件已经声明了一个URLStreamHandlerFactory对象,将无法用这种方法从hadoop读取文件
2.通过调用FileSystem API 读取数据
import java.io.*;importjava.net.URI;importorg.apache.commons.compress.utils.IOUtils;importorg.apache.hadoop.conf.Configuration;importorg.apache.hadoop.fs.FSDataInputStream;importorg.apache.hadoop.fs.FileSystem;importorg.apache.hadoop.fs.Path;public classFileSystemCat
{public static void main(String [] args) throwsIOException
{
String uri= args[0];
Configuration conf= newConfiguration();
FileSystem fs=FileSystem.get(URI.create(uri),conf);try(InputStream in = fs.open(newPath(uri)))
{
IOUtils.copy(in,System.out);//((FSDataInputStream) in).seek(0);//IOUtils.copy(in, System.out);
}
}
}
Configuration 对象封装了客户端或者服务端的配置
public static FileSystem.get(URI uri,Configuration conf)通过给定的URL来确定要使用的文件系统
Public FSDateInputStream open(Path f) throws IOException用来获取文件的输入流
FSDateInputStream类继承了Seekable接口和PositionedReadable接口,因此可以从流的随意位置读取数据,Seelable接口提供的seek()类是一个相对高开销的操作,需要谨慎使用
二.向hadoop文件系统hdfs写入数据
importjava.io.BufferedInputStream;importjava.io.FileInputStream;importjava.io.IOException;importjava.io.InputStream;importjava.io.OutputStream;importjava.net.URI;importorg.apache.commons.compress.utils.IOUtils;importorg.apache.hadoop.conf.Configuration;importorg.apache.hadoop.fs.FileSystem;importorg.apache.hadoop.fs.Path;importorg.apache.hadoop.util.Progressable;public classFileCopyWithProgress
{public static void main(String[] args) throwsIOException
{
String localsrc= args[0];
String dst= args[1];
InputStream in= new BufferedInputStream(newFileInputStream(localsrc));
Configuration conf= newConfiguration();
FileSystem fs=FileSystem.get(URI.create(dst),conf);try (OutputStream out = fs.create(new Path(dst),newProgressable(){public voidprogress()
{
System.out.print(".");//用于显示文件复制进度
}
}))
{
IOUtils.copy(in, out);
}
}
}
使用运行参数:"/home/hadoop/Desktop/1.txt" "hdfs://localhost/user/hadoop/output/1.txt"
程序在运行时可能会出现错误:
Exception in thread "main" java.net.ConnectException: Call From thewolf/127.0.1.1 to localhost:8020 failed on connection exception: java.net.ConnectException: Connection refused; For more details see: http://wiki.apache.org/hadoop/ConnectionRefused
原因:是没有指定访问分布式文件系统的端口号:即配置文件里面设定的文件系统端口,执行程序会根据默认的8020端口去访问文件系统,而访问不到出现上述错误。
解决方法:指定访问hdfs的端口号(自己配置的端口号,我配置的是9000):更改运行参数为:"/home/hadoop/Desktop/1.txt" "hdfs://localhost:9000/user/hadoop/output/1.txt"
public FSDataOutputStream create(Path f) throws IOException 能够为需要写入切当前不存在的文件创建父文件目录,可先用exists()方法检查父目录是否存在;append()方法用于在一个已经存在的文件末尾追加数据
FSDataInputStream继承了借口Syncable,可用getPos()方法查询文件当前位置,但是FSDataInputStream类不允许在文件中定位,因为HDFS只允许对一个已打开文件顺序写入,或者在现有文件后面追加数据。
Progressable用于传递回调接口,每次Hadoop将64KB数据写入datanode管线后都会调用Progressable接口的progress
public interfaceProgressable
{public voidprogress();
}