利用Java API通过路径过滤上传多文件至HDFS
在本地文件上传至HDFS过程中，很多情况下一个目录包含很多个文件，而我们需要对这些文件进行筛选，选出符合我们要求的文件，上传至HDFS。这时就需要我们用到文件模式。 在项目开始前，我们先掌握文件模式
1、文件模式
在某个单一操作中处理一系列文件是很常见的。例如一个日志处理的MapReduce作业可能要分析一个月的日志量。如果一个文件一个文件或者一个目录一个目录的声明那就太麻烦了，我们可以使用通配符(wild card)来匹配多个文件（这个操作也叫做globbing）。
Hadoop提供了两种方法来处理文件组：
1 public FileStatus[] globStatus(Path pathPattern) throws IOException; 2 3 public FileStatus[] globStatus(Path pathPattern, PathFilter filter) throws IOException;
- PathFilter
使用文件模式有时候并不能有效的描述你想要的一系列文件，例如如果你想排除某个特定文件就很难。所以FileSystem的listStatus()和globStatus()方法就提供了一个可选参数：PathFilter——它允许你一些更细化的控制匹配：
1 package org.apache.hadoop.fs; 2 3 public interface PathFilter 4 { 5 boolean accept(Path path); 6 }
- Hadoop中的匹配符与Unix中bash相同，如下图所示：、
2、数据
我们利用通配符和PathFilter 对象，将本地多种格式的文件上传至 HDFS，并过滤掉txt文本格式以外的文件
数据我随便造了些，如下
3、分析
基于需求，我们通过以下两步完成：
1、首先使用globStatus(Path pathPattern, PathFilter filter)，完成文件格式过滤，获取所有 txt 格式的文件。
2、然后使用 Java API 接口 copyFromLocalFile，将所有 txt 格式的文件上传至 HDFS
4、实现
首先定义一个类 RegexAcceptPathFilter实现 PathFilter，过滤掉 txt 文本格式以外的文件。
1 /** 2 * @ProjectName PathFilter 3 * @PackageName com.buaa 4 * @ClassName RegexAcceptPathFilter 5 * @Description 只接受符合regex的文件 6 * @Author 刘吉超 7 * @Date 2016-04-15 20:39:21 8 */ 9 public static class RegexAcceptPathFilter implements PathFilter { 10 private final String regex; 11 12 public RegexAcceptPathFilter(String regex) { 13 this.regex = regex; 14 } 15 16 @Override 17 public boolean accept(Path path) { 18 boolean flag = path.toString().matches(regex); 19 // 只接受符合regex的文件 20 return flag; 21 } 22 }
如果要接收 regex格式的文件，则accept()方法就return flag; 如果想要过滤掉regex格式的文件，则accept()方法就return !flag。
接下来在 uploadFile方法中，使用globStatus方法获取所有txt文件，然后通过copyFromLocalFile方法将文件上传至HDFS。
1 /** 2 * 过滤文件格式 将多个文件上传至 HDFS 3 * 4 * @param srcPath 源路径 5 * @param destPath 目标路径 6 * @param filter 正则 7 * @throws URISyntaxException 8 * @throws IOException 9 */ 10 public static void uploadFile(String srcPath,String destPath,String filter) throws URISyntaxException, IOException { 11 // 读取配置文件 12 Configuration conf = new Configuration(); 13 // 远端文件系统 14 URI uri = new URI(HDFSUri.trim()); 15 FileSystem remote = FileSystem.get(uri,conf);; 16 // 获得本地文件系统 17 FileSystem local = FileSystem.getLocal(conf); 18 19 // 只上传srcPath目录下符合filter条件的文件 20 FileStatus[] localStatus = local.globStatus(new Path(srcPath), new RegexAcceptPathFilter(filter)); 21 // 获得所有文件路径 22 Path[] listedPaths = FileUtil.stat2Paths(localStatus); 23 24 if(listedPaths != null){ 25 for(Path path : listedPaths){ 26 // 将本地文件上传到HDFS 27 remote.copyFromLocalFile(path, new Path(HDFSUri + destPath)); 28 } 29 } 30 }
在 main() 方法在调用 uploadFile，执行多文件上传至 HDFS
1 public static void main(String[] args) throws IOException,URISyntaxException { 2 // 第一个参数：代表是源路径 3 // 第二个参数：代表是目录路径 4 // 第三个参数：代表是正则，这里我们只有上传txt文件，所以正则是^.*txt$ 5 uploadFile("D:\\data\\*","/buaa/data","^.*txt$"); 6 }
