【Hadoop离线基础总结】HDFS的API操作

HDFS的API操作

---

创建maven工程并导入jar包

• 注意
  
  由于cdh版本的所有的软件涉及版权的问题，所以并没有将所有的jar包托管到maven仓库当中去，而是托管在了CDH自己的服务器上面，所以我们默认去maven的仓库下载不到，需要自己手动的添加repository去CDH仓库进行下载。
  
  要用CDH的jar包，要先添加一个repository：https://www.cloudera.com/documentation/enterprise/release-notes/topics/cdh_vd_cdh5_maven_repo.html

  <repositories>
    <repository>
      <id>cloudera</id>
      <url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
    </repository>
  </repositories>

  再从这里找需要的jar包：https://www.cloudera.com/documentation/enterprise/release-notes/topics/cdh_vd_cdh5_maven_repo_514x.html

<dependencies>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>2.6.0-mr1-cdh5.14.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-common</artifactId>
        <version>2.6.0-cdh5.14.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-hdfs</artifactId>
        <version>2.6.0-cdh5.14.0</version>
    </dependency>

    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-mapreduce-client-core</artifactId>
        <version>2.6.0-cdh5.14.0</version>
    </dependency>
    <!-- https://mvnrepository.com/artifact/junit/junit -->
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>4.11</version>
        <scope>test</scope>
    </dependency>
    <dependency>
        <groupId>org.testng</groupId>
        <artifactId>testng</artifactId>
        <version>RELEASE</version>
    </dependency>
</dependencies>
<build>
    <plugins>
        <plugin>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-compiler-plugin</artifactId>
            <version>3.0</version>
            <configuration>
                <source>1.8</source>
                <target>1.8</target>
                <encoding>UTF-8</encoding>
                <!--    <verbal>true</verbal>-->
            </configuration>
        </plugin>

        <plugin>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-shade-plugin</artifactId>
            <version>2.4.3</version>
            <executions>
                <execution>
                    <phase>package</phase>
                    <goals>
                        <goal>shade</goal>
                    </goals>
                    <configuration>
                        <minimizeJar>true</minimizeJar>
                    </configuration>
                </execution>
            </executions>
        </plugin>
      <!--  <plugin>
            <artifactId>maven-assembly-plugin </artifactId>
            <configuration>
                <descriptorRefs>
                    <descriptorRef>jar-with-dependencies</descriptorRef>
                </descriptorRefs>
                <archive>
                    <manifest>
                        <mainClass>cn.itcast.hadoop.db.DBToHdfs2</mainClass>
                    </manifest>
                </archive>
            </configuration>
            <executions>
                <execution>
                    <id>make-assembly</id>
                    <phase>package</phase>
                    <goals>
                        <goal>single</goal>
                    </goals>
                </execution>
            </executions>
        </plugin>-->
    </plugins>
</build>

---

使用URL的方式访问数据（重在了解）

import org.apache.commons.io.IOUtils;
import org.apache.hadoop.fs.FsUrlStreamHandlerFactory;
import org.junit.Test;

import java.io.*;
import java.net.MalformedURLException;
import java.net.URL;

public class demo {
    @Test
    public void demo1() throws IOException {
        //第一步：注册HDFS的URL，让java代码能够识别HDFS的URL形式
        URL.setURLStreamHandlerFactory(new FsUrlStreamHandlerFactory());

        InputStream inputStream = null;
        FileOutputStream outputStream =null;

        //URL地址可以在hadoop配置文件core-site.xml中查看
        String url = "hdfs://192.168.0.10:8020/test/yum.log";

        //打开文件输入流
        try {
            inputStream =new URL(url).openStream();
            outputStream = new FileOutputStream(new File("/Users/zhaozhuang/Downloads/hello.txt"));
            IOUtils.copy(inputStream,outputStream);
        }catch (IOException e){
            e.printStackTrace();
        }finally {
            IOUtils.closeQuietly(inputStream);
            IOUtils.closeQuietly(outputStream);
        }
    }
}

上述代码中String url的出处

---

获取FileSystem的几种方式

• 第一种方式获取FileSystem

	@Test
    public void getFileSystem1() throws IOException {
        /*
        FileSystem是一个抽象类，获取抽象类的实例有两种方式
        第一种，看看这个抽象类有没有提供什么方法，返回它本身
        第二种，找子类
         */
        Configuration configuration = new Configuration();
        //如果这里不加任何配置，这里获取到的就是本地文件系统
        configuration.set("fs.defaultFS","hdfs://node01:8020");
        FileSystem fileSystem = FileSystem.get(configuration);

        System.out.println(fileSystem.toString());
        fileSystem.close();
    }

• 第二种方式获取FileSystem

	@Test
    public void getFileSystem2() throws URISyntaxException, IOException {
        Configuration configuration = new Configuration();
        FileSystem fileSystem = FileSystem.get(new URI("hdfs://node01:8020"), configuration);

        System.out.println(fileSystem.toString());
        fileSystem.close();
    }

• 第三种方式获取FileSystem

	@Test
    public void getFileSystem3() throws IOException {
        Configuration configuration = new Configuration();
        configuration.set("fs.defaultFS","hdfs://node01:8020");

        FileSystem fileSystem = FileSystem.newInstance(configuration);

        System.out.println(fileSystem.toString());
        fileSystem.close();
    }

• 第四种方式获取FileSystem

	@Test
    public void getFileSystem4() throws URISyntaxException, IOException {
        Configuration configuration = new Configuration();
        FileSystem fileSystem = FileSystem.newInstance(new URI("hdfs://node01:8020"), configuration);

        System.out.println(fileSystem.toString());
        fileSystem.close();
    }

---

递归遍历HDFS的所有文件

• 通过递归遍历hdfs文件系统

	@Test
    public void getAllFiles() throws URISyntaxException, IOException {
        //获取HDFS
        FileSystem fileSystem = FileSystem.get(new URI("hdfs://node01:8020"), new Configuration());
        //获取文件的状态，可以通过fileStatuses来判断究竟是文件夹还是文件
        FileStatus[] fileStatuses = fileSystem.listStatus(new Path("hdfs://node01:8020/"));
        /**
        循环遍历FileStatus，判断文件究竟是文件夹还是文件
        如果是文件，直接输出路径
        如果是文件夹，继续遍历
         */
        for (FileStatus fileStatus : fileStatuses) {
            if (fileStatus.isDirectory()){
                //如果是文件夹，继续遍历（需要再写一个方法来获取文件夹中的文件）
                getDirFiles(fileStatus.getPath(),fileSystem);
            } else {
                Path path = fileStatus.getPath();
                System.out.println(path.toString());
            }
        }
    }

    public void getDirFiles(Path path,FileSystem fileSystem) throws IOException {
        //还是先获取文件的状态
        FileStatus[] fileStatuses = fileSystem.listStatus(path);
        //循环遍历fileStatus
        for (FileStatus fileStatus : fileStatuses) {
            if (fileStatus.isDirectory()){
                getDirFiles(fileStatus.getPath(),fileSystem);
            } else {
                System.out.println(fileStatus.getPath().toString());
            }
        }
    }

• 官方提供的API直接遍历

	/**
     * 通过hdfs直接提供的API进行遍历
     */
    @Test
    public void getAllFiles2() throws URISyntaxException, IOException {
        //获取HDFS
        FileSystem fileSystem = FileSystem.get(new URI("hdfs://node01:8020"), new Configuration());
        //获取RemoteIterator 得到所有的文件或者文件夹，第一个参数指定遍历的路径，第二个参数表示是否要递归遍历
        RemoteIterator<LocatedFileStatus> locatedFileStatusRemoteIterator = fileSystem.listFiles(new Path("hdfs://node01:8020/"), true);
        //while循环遍历
        while (locatedFileStatusRemoteIterator.hasNext()){
            LocatedFileStatus next = locatedFileStatusRemoteIterator.next();
            System.out.println(next.getPath().toString());
        }
        fileSystem.close();
    }

---

下载文件到本地

	@Test
    public void downloadFileToLocal() throws URISyntaxException, IOException {
        //获取HDfS
        FileSystem fileSystem = FileSystem.get(new URI("hdfs://node01:8020"), new Configuration());
        //打开输入流，读取HDfS上的文件
        FSDataInputStream inputStream = fileSystem.open(new Path("hdfs://node01:8020/test/yum.log"));
        //用输出流，确定下载到本地的路径
        FileOutputStream outputStream = new FileOutputStream(new File("/Users/zhaozhuang/Downloads/hello2.txt"));
        //用IOUtils把文件下载下来
        IOUtils.copy(inputStream,outputStream);
        //关闭输入流和输出流
        IOUtils.closeQuietly(inputStream);
        IOUtils.closeQuietly(outputStream);
        fileSystem.close();
    }

---

在HDFS上创建文件夹

	@Test
    public void mkdirs() throws URISyntaxException, IOException {
        //获取HDFS
        FileSystem fileSystem = FileSystem.get(new URI("hdfs://node01:8020"), new Configuration());
        //创建文件夹
        boolean mkdirs = fileSystem.mkdirs(new Path("/hello/mydir/test"));
        //关闭系统
        fileSystem.close();
    }

---

HDFS文件上传

	@Test
    public void uploadFileFromLocal() throws URISyntaxException, IOException {
        //获取HDfS
        FileSystem fileSystem = FileSystem.get(new URI("hdfs://node01:8020"), new Configuration());
        //上传文件
        fileSystem.copyFromLocalFile(new Path("/Users/zhaozhuang/Downloads/hello2.txt"),new Path("/"));
        //关闭系统
        fileSystem.close();
    }

---

HDFS权限问题以及伪造用户

• 首先停止hdfs集群，在node01机器上执行以下命令

cd /export/servers/hadoop-2.6.0-cdh5.14.0

stop-dfs.sh

• 修改node01机器上的hdfs-site.xml当中的配置文件

<property>
   <name>dfs.permissions</name>
   <value>true</value>
</property>

• 修改完成之后配置文件发送到其他机器上面去

scp hdfs-site.xml node02:$PWD
scp hdfs-site.xml node03:$PWD

• 重启hdfs集群

start-dfs.sh

• 随意上传一些文件到我们hadoop集群当中准备测试使用

cd /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop
hdfs dfs -mkdir /config
hdfs dfs -put *.xml /config
hdfs dfs -chmod 600 /config/core-site.xml

• Java伪造root用户下载

	@Test
    public void getConfig() throws URISyntaxException, IOException, InterruptedException {
        //获取HDFS(第三个参数为伪造的用户)
        FileSystem fileSystem = FileSystem.get(new URI("hdfs://node01:8020"), new Configuration(),"root");
        //下载文件
        fileSystem.copyToLocalFile(new Path("/config/core-site.xml"),new Path("/Users/ZhaoZhuang/Downloads/hello3.txt"));
        //关闭系统
        fileSystem.close();
    }

---

HDFS的小文件合并

• 在linux进行小文件合并

cd /export/servers

hdfs dfs -getmerge /config/*.xml ./hello.xml

• 在java进行小文件合并

	@Test
    public void mergeFiles() throws URISyntaxException, IOException, InterruptedException {
        //获取HDFS
        FileSystem fileSystem = FileSystem.get(new URI("hdfs://node01:8020"), new Configuration(), "root");
        //创建输出流，在HDFS端创建一个合并文件
        FSDataOutputStream outputStream = fileSystem.create(new Path("/bigFile.xml"));
        //获取本地文件系统
        LocalFileSystem local = FileSystem.getLocal(new Configuration());
        //通过本地文件系统获取文件列表，为一个集合
        FileStatus[] fileStatuses = local.listStatus(new Path("/Volumes/赵壮备份/大数据离线课程资料/3.大数据离线第三天/上传小文件合并"));
        //遍历FileStatus
        for (FileStatus fileStatus : fileStatuses) {
            FSDataInputStream inputStream = local.open(fileStatus.getPath());
            IOUtils.copy(inputStream,outputStream);
            IOUtils.closeQuietly(inputStream);
        }
        IOUtils.closeQuietly(outputStream);
        local.close();
        fileSystem.close();
    }