Hadoop 系列（三）Java API

Hadoop 系列（三）Java API

<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-hdfs</artifactId>
    <version>2.9.2</version>
</dependency>
<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-client</artifactId>
    <version>2.9.2</version>
</dependency>
<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-common</artifactId>
    <version>2.9.2</version>
</dependency>

一、HDFS 操作

@Test
public void upload() throws Exception {

    Configuration conf = new Configuration();  // (1)
    //conf.set("fs.defaultFS", "hdfs://master:9000/");

    Path dst = new Path("hdfs://master:9000/upload/MPSetup4.log");
    FileSystem fs = FileSystem.get(new URI("hdfs://master:9000/"), conf, "hadoop"); // (2)
    FSDataOutputStream os = fs.create(dst);
    FileInputStream is = new FileInputStream("c:/MPSetup.log");

    IOUtils.copy(is, os);
}

1. Configuration 配置文件默认读取 resources 目录下的 core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml 文件。可以将 Hadoop 安装目录下的这些配制文件直接拷贝过来，也可以直接 conf.set() 设置参数。

2. FileSystem.get() 必须要以 hadoop 的身份运行，否则会出现权限不足的问题。可以配置 -DHADOOP_USER_NAME=hadoop 参数。

下面提供一个 HdfsUtil 工具类：

public class HdfsUtil {
    FileSystem fs = null;

    @Before
    public void init() throws Exception{
        System.setProperty("hadoop.home.dir", "D:/Program_Files/apache/hadoop-common-bin/");
        //1. 读取classpath下的xxx-site.xml 配置文件，并解析其内容，封装到conf对象中
        Configuration conf = new Configuration();

        //2. 也可以在代码中对conf中的配置信息进行手动设置，会覆盖掉配置文件中的读取的值
        conf.set("fs.defaultFS", "hdfs://master:9000/");

        //3. 根据配置信息，去获取一个具体文件系统的客户端操作实例对象
        fs = FileSystem.get(new URI("hdfs://master:9000/"), conf, "hadoop");
    }

    /** 上传文件，封装好的写法 */
    @Test
    public void upload2() throws Exception, IOException{
        fs.copyFromLocalFile(new Path("c:/MPSetup.log"),
                new Path("hdfs://master:9000/aaa/bbb/ccc/MPSetup.log"));
    }

    /** 下载文件 */
    @Test
    public void download() throws Exception {
        fs.copyToLocalFile(new Path("hdfs://master:9000/aaa/bbb/ccc/MPSetup.log"),
                new Path("d:/MPSetup2.txt"));

    }

    /** 查看文件信息 */
    @Test
    public void listFiles() throws FileNotFoundException, IllegalArgumentException, IOException {

        // listFiles列出的是文件信息，而且提供递归遍历
        RemoteIterator<LocatedFileStatus> files = fs.listFiles(new Path("/"), true);

        while(files.hasNext()) {
            LocatedFileStatus file = files.next();
            Path filePath = file.getPath();
            String fileName = filePath.getName();
            System.out.println(fileName);
        }

        System.out.println("---------------------------------");

        //listStatus 可以列出文件和文件夹的信息，但是不提供自带的递归遍历
        FileStatus[] listStatus = fs.listStatus(new Path("/"));
        for(FileStatus status: listStatus){
            String name = status.getPath().getName();
            System.out.println(name + (status.isDirectory()?" is dir":" is file"));
        }
    }

    /** 创建文件夹 */
    @Test
    public void mkdir() throws IllegalArgumentException, Exception {
        fs.mkdirs(new Path("/aaa/bbb/ccc"));
    }

    /** 删除文件或文件夹 */
    @Test
    public void rm() throws IllegalArgumentException, IOException {
        fs.delete(new Path("/aa"), true);
    }
}

二、RPC 调用

(1) LoginServiceInterface 接口

package com.github.binarylei.hadoop.rpc;

public interface LoginServiceInterface {

    public static final long versionID = 1L;
    public String login(String username, String password);

}

public class LoginServiceImpl implements LoginServiceInterface {

    @Override
    public String login(String username, String password) {
        return username + " login in successfully!";
    }
}

(2) RPCServer

// 目前只能上传到 Linux 上运行 ??????
public class RPCServer {

    private static String host = "master";
    private static int port = 10001;

    public static void main(String[] args) throws HadoopIllegalArgumentException, IOException {
        Configuration conf = new Configuration();
        conf.set("fs.defaultFS", "hdfs://master:9000/");
        Builder builder = new Builder(conf);

        builder.setBindAddress("master")
                .setPort(port)
                .setProtocol(LoginServiceInterface.class)
                .setInstance(new LoginServiceImpl());

        Server server = builder.build();

        server.start();
    }
}

1. 将打包后的 hadoop-api-1.0.0.jar 上传到 Linux，启动 RPC 服务，执行

   hadoop jar hadoop-api-1.0.0.jar com.github.binarylei.hadoop.rpc.RPCServer

   2018-05-13 18:20:16,606 INFO ipc.CallQueueManager: Using callQueue: class java.util.concurrent.LinkedBlockingQueue queueCapacity: 100 scheduler: class org.apache.hadoop.ipc.DefaultRpcScheduler
   
   2018-05-13 18:20:17,631 INFO ipc.Server: Starting Socket Reader #1 for port 10001
   
   2018-05-13 18:20:19,613 INFO ipc.Server: IPC Server Responder: starting
   
   2018-05-13 18:20:19,618 INFO ipc.Server: IPC Server listener on 10001: starting

(3) RPCClient

public class RPCClient {

    private static String host = "master";
    private static int port = 10001;

    public static void main(String[] args) throws Exception {
        System.setProperty("hadoop.home.dir", "D:/Program_Files/apache/hadoop-common-bin/");
        Configuration conf = new Configuration();
        conf.set("fs.defaultFS", "hdfs://master:9000/");

        LoginServiceInterface proxy = RPC.getProxy(
                LoginServiceInterface.class,
                1L,
                new InetSocketAddress(host, port),
                conf);

        String result = proxy.login("hadoop-test", "test");

        System.out.println(result);
    }
}

1. 直接在 Windows 上运行，结果如下：

   hadoop-test login in successfully!

三、MapReduce

下面模仿 wordcount，写一个 MapReduce

(1) WCMapper

//4个泛型中，前两个是指定mapper输入数据的类型，KEYIN是输入的key的类型，VALUEIN是输入的value的类型
//map 和 reduce 的数据输入输出都是以 key-value对的形式封装的
//默认情况下，框架传递给我们的mapper的输入数据中，key是要处理的文本中一行的起始偏移量，这一行的内容作为value
public class WCMapper extends Mapper<LongWritable, Text, Text, LongWritable>{

    //mapreduce框架每读一行数据就调用一次该方法
    @Override
    protected void map(LongWritable key, Text value,Context context)
            throws IOException, InterruptedException {
        //具体业务逻辑就写在这个方法体中，而且我们业务要处理的数据已经被框架传递进来，在方法的参数中 key-value
        //key 是这一行数据的起始偏移量     value 是这一行的文本内容

        //将这一行的内容转换成string类型
        String line = value.toString();

        //对这一行的文本按特定分隔符切分
        String[] words = StringUtils.split(line, " ");

        //遍历这个单词数组输出为kv形式  k：单词   v ： 1
        for(String word : words){
            context.write(new Text(word), new LongWritable(1));
        }
    }
}

(2) WCReducer

public class WCReducer extends Reducer<Text, LongWritable, Text, LongWritable>{

    //框架在map处理完成之后，将所有kv对缓存起来，进行分组，然后传递一个组<key,valus{}>，调用一次reduce方法
    //<hello,{1,1,1,1,1,1.....}>
    @Override
    protected void reduce(Text key, Iterable<LongWritable> values,Context context)
            throws IOException, InterruptedException {

        long count = 0;
        //遍历value的list，进行累加求和
        for(LongWritable value:values){
            count += value.get();
        }

        //输出这一个单词的统计结果

        context.write(key, new LongWritable(count));
    }
}

(3) WCReducer

/**
 * 用来描述一个特定的作业
 * 比如，该作业使用哪个类作为逻辑处理中的map，哪个作为reduce
 * 还可以指定该作业要处理的数据所在的路径
 * 还可以指定改作业输出的结果放到哪个路径
 * ....
 * @author duanhaitao@itcast.cn
 */
public class WCRunner {

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

        //System.setProperty("hadoop.home.dir", "D:/Program_Files/apache/hadoop-common-bin/");
        Configuration conf = new Configuration();
        Job wcjob = Job.getInstance(conf);

        //设置整个job所用的那些类在哪个jar包
        wcjob.setJarByClass(WCRunner.class);

        //本job使用的mapper和reducer的类
        wcjob.setMapperClass(WCMapper.class);
        wcjob.setReducerClass(WCReducer.class);

        //指定reduce的输出数据kv类型
        wcjob.setOutputKeyClass(Text.class);
        wcjob.setOutputValueClass(LongWritable.class);

        //指定mapper的输出数据kv类型
        wcjob.setMapOutputKeyClass(Text.class);
        wcjob.setMapOutputValueClass(LongWritable.class);

        //指定要处理的输入数据存放路径
        FileInputFormat.setInputPaths(wcjob, new Path("hdfs://master:9000/wc/input/"));

        //指定处理结果的输出数据存放路径
        FileOutputFormat.setOutputPath(wcjob, new Path("hdfs://master:9000/wc/output5/"));

        //将job提交给集群运行
        wcjob.waitForCompletion(true);
    }
}

四、Hadoop 运行(Windows)

问题 1：缺少 winutils.exe 和 hadoop.dll

# 缺少 winutils.exe
Could not locate executable null \bin\winutils.exe in the hadoop binaries
# 缺少 hadoop.dll
Unable to load native-hadoop library for your platform… using builtin-Java classes where applicable

解决办法：

1. 下载地址：https://github.com/srccodes/hadoop-common-2.2.0-bin
2. 解压后将 hadoop-common-2.2.0-bin/bin 目录下的文件全部拷贝到 HADOOP_HOME/bin 目录下，并配置 HADOOP_HOME 环境变量。
3. 将 hadoop-common-2.2.0-bin/bin/hadoop.dll 拷贝到 C:\Windows\System32 目录下。

问题 2：Exception in thread "main" java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Ljava/lang/String;I)Z

解决办法：

1. 首先确保 C:\Windows\System32 目录下已经有 hadoop.dll 文件

2. 在自己的工程中拷贝一份 org.apache.hadoop.io.nativeio.NativeIO 类，修改如下：

   public static boolean access(String path, AccessRight desiredAccess)
                   throws IOException {
       return true;
       //return access0(path, desiredAccess.accessRight());
   }
   

参考：

1. 《Hadoop 运行问题》：https://blog.csdn.net/congcong68/article/details/42043093
2. 《winutils.exe 下载地址》：https://github.com/srccodes/hadoop-common-2.2.0-bin

---

每天用心记录一点点。内容也许不重要，但习惯很重要！