如何使用Java API操作HDFS系统?

liuian 2025-01-09 14:25 51 浏览

1．搭建项目环境

打开Eclipse选择FileàNewàMaven Project创建Maven工程，选择“Create a simple project ”选项，点击【Next】按钮，会进入“New Maven Project”界面，如图1所示。

在图1中，勾选“Create a simple project（skip archetype selection）”表示创建一个简单的项目（跳过对原型模板的选择），然后勾选“User default Workspace location”表示使用本地默认的工作空间之后，点击【Next】按钮，如图2所示。

在图2中，GroupID也就是项目组织唯一的标识符，实际对应Java的包结构，这里输入com.itcast。ArtifactID就是项目的唯一标识符，实际对应项目的名称，就是项目根目录的名称，这里输入HadoopDemo，打包方式这里选择Jar包方式即可，后续创建Web工程选择War包。

此时Maven工程已经被创建好了，会发现在Maven项目中，有一个pom.xml的配置文件，这个配置文件就是对项目进行管理的核心配置文件。

使用Java API操作HDFS需要用到hadoop-common、hadoop-hdfs、hadoop-client三种依赖，同时为了进行单元测试，还要引入junit的测试包，具体代码如文件所示。

文件 pom.xml

   <?xml version="1.0" encoding="UTF-8"?>
   <project xmlns=`http://maven.apache.org/POM/4.0.0`
   xmlns:xsi=`"http://www.w3.org/2001/XMLSchema-instance"`
   xsi:schemaLocation=`"http://maven.apache.org/POM/4.0.0`
   http://maven.apache.org/xsd/maven-4.0.0.xsd"`>
    <modelVersion>4.0.0</modelVersion>
    <groupId>com.itcast</groupId>
    <artifactId>HadoopDemo</artifactId>
    <version>0.0.1-SNAPSHOT</version>
   **<dependencies>**
      **<dependency>**
        **<groupId>org.apache.hadoop</groupId>**
        **<artifactId>hadoop-common</artifactId>**
        **<version>2.7.4</version>**
      **</dependency>**
      **<dependency>**
        **<groupId>org.apache.hadoop</groupId>**
        **<artifactId>hadoop-hdfs</artifactId>**
        **<version>2.7.4</version>**
      **</dependency>**
      **<dependency>**
        **<groupId>org.apache.hadoop</groupId>**
        **<artifactId>hadoop-client</artifactId>**
        **<version>2.7.4</version>**
      **</dependency>**
      **<dependency>**
        **<groupId>junit</groupId>**
        **<artifactId>junit</artifactId>**
        **<version>RELEASE</version>**
      **</dependency>**
    **</dependencies>**
  </project>```

当添加依赖完毕后，Hadoop相关Jar包就会自动下载，部分Jar包如图3所示。

![img](uploads/course/bigData/images/3.4.2/clip_image006-1591775346489.jpg)

> 图3   成功导入Jar包

从图3可以看出，所需要的Hadoop的Jar包所在路径就是setting.xml中配置的本地仓库位置。

**2****．初始化客户端对象**

首先在项目src文件夹下创建com.itcast.hdfsdemo包，并在该包下创建HDFS_CRUD.java文件，编写Java测试类，构建Configuration和FileSystem对象，初始化一个客户端实例进行相应的操作，具体代码如文件3-2所示。

文件  HDFS_CRUD.java

```java
   package com.itcast.hdfsdemo;
   import java.io.*;
   import org.apache.hadoop.conf.Configuration;
   import org.apache.hadoop.fs.*;
   import org.junit.*;
   public class HDFS_CRUD {
     FileSystem fs = null;
     @Before
     public void init() throws Exception {
      // 构造一个配置参数对象,设置一个参数：我们要访问的hdfs的URI
      Configuration conf = new Configuration();
      // 这里指定使用的是HDFS文件系统
      **conf.set("fs.defaultFS", "hdfs://hadoop01:9000")**;
      // 通过如下的方式进行客户端身份的设置
      **System.setProperty("HADOOP_USER_NAME", "root")**;
      // 通过FileSystem的静态方法获取文件系统客户端对象
      fs = FileSystem.get(conf);
    }
  }

在上述代码中，@Before是一个用于在Junit单元测试框架中控制程序最先执行的注解，这里可以保证init()方法在程序中最先执行。

小提示：

FileSystem.get()方法从conf中的设置的参数 fs.defaultFS的配置值，用来设置文件系统类型。如果代码中没有指定为fs.defaultFS，并且工程classpath下也没有给定相应的配置，则conf中的默认值就来自于hadoop-common-2.7.4.jar包中的core-default.xml，默认值为：“file:/// ”，这样获取的不是DistributedFileSystem实例，而是一个本地文件系统的客户端对象。

3．上传文件到HDFS

初始化客户端对象后，接下来实现上传文件到HDFS的功能。由于采用Java测试类来实现JavaApi对HDFS的操作，因此可以在HDFS_CRUD.java文件中添加一个testAddFileToHdfs()方法来演示本地文件上传到HDFS的示例，具体代码如下：

@Test
public void testAddFileToHdfs() throws IOException {
  // 要上传的文件所在本地路径
  Path src = new Path("D:/test.txt");
  // 要上传到hdfs的目标路径
  Path dst = new Path("/testFile");
  // 上传文件方法
  fs.copyFromLocalFile(src, dst);
  // 关闭资源
  fs.close();
}

从上述代码可以看出，可以通过FileSystem对象的copyFromLocalFile()方法，将本地数据上传至HDFS中。copyFromLocalFile()方法接收两个参数，第一个参数是要上传的文件所在的本地路径（需要提前创建），第二个参数是要上传到HDFS的目标路径。

4．从HDFS下载文件到本地

在HDFS_CRUD.java文件中添加一个testDownloadFileToLocal()方法，来实现从HDFS中下载文件到本地系统的功能，具体代码如下：

// 从hdfs中复制文件到本地文件系统

@Test
public void testDownloadFileToLocal() throws IllegalArgumentException,
  IOException {
  // 下载文件
  fs.copyToLocalFile(new Path("/testFile"), new Path("D:/"));
    fs.close();
}

从上述代码可以看出，可以通过FileSystem对象的copyToLocalFile()方法从HDFS上下载文件到本地。copyToLocalFile()方法接收两个参数，第一个参数是HDFS上的文件路径，第二个参数是下载到本地的目标路径。
注意：
在Windows平台开发HDFS项目时，若不设置Hadoop开发环境，则会报以下的错误：

java.io.IOException: (null) entry in command string: null chmod 0644 D:\testFile

解决方式：

（1）根据教材提示，安装配置windows平台hadoop（注意，配置后必须重启电脑），运行没有问题。

（2）直接使用下载的hadoop linux平台下的压缩包进行解压，然后在解压包bin目录下额外添加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，配置后必须重启电脑），运行同样没有问题。

（3）使用FileSystem自带的方法即使不配置windows平台hadoop也可以正常运行（这种方法下载后就是没有附带一个类似.testFile.crc的校验文件）：

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

5．目录操作

在HDFS_CRUD.java文件中添加一个testMkdirAndDeleteAndRename()方法，实现目录的创建、删除、重命名的功能，具体代码如下：

// 创建，删除，重命名文件

@Test

public void testMkdirAndDeleteAndRename() throws Exception {
  // 创建目录
  fs.mkdirs(new Path("/a/b/c"));
  fs.mkdirs(new Path("/a2/b2/c2"));
  // 重命名文件或文件夹
  fs.rename(new Path("/a"), new Path("/a3"));
  // 删除文件夹，如果是非空文件夹，参数2必须给值true
  fs.delete(new Path("/a2"), true);
}

从上述代码可以看出，可以通过调用FileSystem的mkdirs()方法创建新的目录；调用delete()方法可以删除文件夹，delete()方法接收两个参数，第一个参数表示要删除的文件夹路径，第二个参数用于设置是否递归删除目录，其值为true或false，true表示递归删除，false表示非递归删除；调用rename()方法可以对文件或文件夹重命名，rename()接收两个参数，第一个参数代表需要修改的目标路径，第二个参数代表新的命名。

6．查看目录中的文件信息

在HDFS_CRUD.java文件中添加一个testListFiles()方法，实现查看目录中所有文件的详细信息的功能，代码如下：

// 查看目录信息，只显示文件

@Test

public void testListFiles() throws FileNotFoundException,

  IllegalArgumentException, IOException {

  // 获取迭代器对象

  RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(

                         new Path("/"), true);

  while (listFiles.hasNext()) {

    LocatedFileStatus fileStatus = listFiles.next();

    // 打印当前文件名

    System.out.println(fileStatus.getPath().getName());

    // 打印当前文件块大小

    System.out.println(fileStatus.getBlockSize());

    // 打印当前文件权限

    System.out.println(fileStatus.getPermission());

    // 打印当前文件内容长度

    System.out.println(fileStatus.getLen());

    // 获取该文件块信息（包含长度，数据块，datanode的信息）

    BlockLocation[] blockLocations =

                   fileStatus.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("-----------分割线-------------");

  }

}

在上述代码中，可以调用FileSystem的listFiles()方法获取文件列表，其中第一个参数表示需要获取的目录路径，第二个参数表示是否递归查询，这里传入参数为true，表示需要递归查询。

java8 filter