Hadoop文件的基本操作

Hadoop提供了大量的API对文件系统中的文件进行操作，主要包括：

（1)读取文件

（2)写文件

（3)读取文件属性

（4)列出文件

（5)删除文件

1､读取文件

以下示例中，将hdfs中的一个文件读取出来，并输出到标准输出流中。

package org.jediael.hadoopdemo.fsdemo;

import java.io.IOException;
import java.net.URI;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;

public class FileSystemDoubleCat {

	public static void main(String[] args) throws IOException {

		String fileName = args[0];
		Configuration conf = new Configuration();

		FileSystem fs = FileSystem.get(URI.create(fileName), conf);
		FSDataInputStream in = null;
		try {
			in = fs.open(new Path(fileName));
			IOUtils.copyBytes(in, System.out, 4096, false);
			in.seek(0);
			IOUtils.copyBytes(in, System.out, 4096, false);
		} finally {
			in.close();
		}

	}

}

（1)其中FSDataInputStream实现了Seekable接口，可以对文件进行随机定位，但注意，seek()的代价较高，如无必要，尽量少使用。

2､文件复制

package org.jediael.hadoopdemo.fsdemo;

import java.io.BufferedInputStream;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
import java.net.URI;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;

public class FileCopy {

	public static void main(String[] args) throws IOException {
		String sourceFile = args[0];
		String destFile = args[1];

		InputStream in = null;
		OutputStream out = null;
		try {
			//1､准备输入流
			in = new BufferedInputStream(new FileInputStream(sourceFile));
			//2､准备输出流
			Configuration conf = new Configuration();
			FileSystem fs = FileSystem.get(URI.create(destFile), conf);
			out = fs.create(new Path(destFile));
			//3､复制
			IOUtils.copyBytes(in, out, 4096, false);
		} finally {
			in.close();
			out.close();
		}

	}

}

3、获取文件属性

文件属性以FileStatus对象进行封装，使用FileSystem对象的getFileStatus()方法，可以获取到文件的FileStatus对象。

package org.jediael.hadoopdemo.fsdemo;

import java.io.IOException;
import java.net.URI;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

public class FileStatusDemo {

	public static void main(String[] args) throws IOException {

		String fileName = args[0];

		Configuration conf = new Configuration();
		FileSystem fs = FileSystem.get(URI.create(fileName), conf);
		//获取FileSystem对象。
		FileStatus status = fs.getFileStatus(new Path(fileName));
		System.out.println(status.getOwner()+" "+status.getModificationTime());

	}

}

4、列出某个目录下的文件

使用FileSystem的ListStatus方法，可以获取到某个目录下所有文件的FileStatus对象。

package org.jediael.hadoopdemo.fsdemo;

import java.io.IOException;
import java.net.URI;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.FileUtil;
import org.apache.hadoop.fs.Path;

public class ListStatusDemo {

	public static void main(String[] args) throws IOException {

		String dir = args[0];

		Configuration conf = new Configuration();
		FileSystem fs = FileSystem.get(URI.create(dir), conf);
		FileStatus[] stats =  fs.listStatus(new Path(dir));

		Path[] paths = FileUtil.stat2Paths(stats);
		for(Path path : paths){
			System.out.println(path);
		}
	}

}