二-0, 大数据基础架构Haoop- 在Windows客户机上对HDFS的API操作

一, API操作前的准备工作

〇, 目的

实现在Windows环境下, 从客户端机器远程操作集群.

具体的步骤:

  1. 配置客户端机器的环境变量
  2. 配置maven相关的环境变量
  3. 使用IDE, 新建maven工程
  4. 在pom文件中增加相应的依赖
  5. reload maven工程, 下载依赖

1. 1 客户端环境变量的配置

  1. 下载windows环境下的hadoop依赖文件, 解压到自定义目录下(非中文目录, 这里使用C:\hadoop_dependency\hadoop-3.1.0), 然后在系统变量中添加新的变量: HADOOP_HOME="C:\hadoop_dependency\hadoop-3.1.0"
    在这里插入图片描述

  2. 往Path变量中添加, %HADOOP_HOME%/bin
    在这里插入图片描述

  3. 在1中提到的安装目录中, 找到并双击winutils, 使其启动, cmd窗口闪退则为成功, 若是提示缺少xx, 请加装 .new framework.

这个文件不管是在windows下使用hadoop以及在windows下远程调用hadoop集群都要使用的。

在这里插入图片描述
什么是winutils?

在这里插入图片描述

这个文件不管是在windows下使用hadoop以及在windows下远程调用hadoop集群都要使用的。

  1. 下载并配置maven, 下载-解压-添加环境变量(MAVEN_HOME 和 添加到path)
    在这里插入图片描述
    在这里插入图片描述
  2. 验证maven环境变量, cmd中输入 mvn -version
    在这里插入图片描述

2.1 在IDE中新建maven项目并往pom文件中添加相关的依赖

  1. 打开IDE, file-> newproject, 点击next在这里插入图片描述
  2. 修改GAV名称(V, version, 通常不做修改), 并点击finish在这里插入图片描述
  3. [可选] 修改Maven的安装路径, 设置文件和本地仓库地址在这里插入图片描述
  4. 在 pom.xml中添加必要的依赖

直接复制并覆盖原有的pom.xml, 注意GAV的一致性
注意: hadoop的版本号必须与集群中hadoop版本号一致!!!, 在这里因为我们是Windows远程连接Linux集群, 所以务必确认Linux系统中Hadoop的版本号.

<?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>cn.sb</groupId>
    <artifactId>HDFSClientDemo</artifactId>
    <version>1.0-SNAPSHOT</version>
    <repositories>
        <repository>
            <id>nexus-aliyun</id>
            <name>nexus-aliyun</name>
            <url>http://maven.aliyun.com/nexus/content/groups/public/</url>
            <releases>
                <enabled>true</enabled>
            </releases>
            <snapshots>
                <enabled>false</enabled>
            </snapshots>
        </repository>
    </repositories>
    <properties>
        <maven.compiler.source>8</maven.compiler.source>
        <maven.compiler.target>8</maven.compiler.target>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>3.1.3</version>
        </dependency>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-log4j12</artifactId>
            <version>1.7.30</version>
        </dependency>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
            <scope>compile</scope>
        </dependency>
    </dependencies>
</project>

2.2 重新加载maven项目, 自动下载依赖

  1. 右键点击项目名称HDFSClientDemo, 选择maven-->reload project, 开始自动下载所需的依赖文件.
    在这里插入图片描述

我们可以在IDE右下状态栏上点击background tasks查看下载进度.

二, 具体操作

2.0 客户端(HDFS, ZooKeeper等)API操作的常用套路

//1. 获取一个客户端对象(通常这个对象会需要几个必要的参数, 必须先声明哈)
//2. 执行相关的操作命令
//3. 关闭资源

2.1 在HDFS上新建文件夹

如果我们想使用hdfs://bigdata01:8020的话, 记得在windows的hosts文件中添加相应的映射噢!

package cn.cyy.hdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.Test;

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


public class MkdirDemo {
    @Test
    public void testMkdir() throws URISyntaxException, IOException, InterruptedException {
        //准备原料: 地址, 配置, 用户
        URI uri = new URI("hdfs://192.168.182.100:8020");
        Configuration configuration = new Configuration();
        String user = "win10";

        //开始工作
        //1. 获取HDFS客户端对象 (Filesystem.get)
        FileSystem fs = FileSystem.get(uri, configuration, user);

        //2. 执行相关的命令
        fs.mkdirs(new Path("/apiTest"));

        //3. 关闭资源
        fs.close();
    }
}

由上面的代码, 我们可以发现第一步获取HDFS客户端对象以及相应的准备工作 和第三部关闭客户步都是可以独立出来的, 所以我们可以利用JUnit的一些特性优化代码如下:

注:
关于JUnit, @Before 测试前执行的代码段, @Test 测试部分, @After 测试完成后执行的代码段

package cn.cyy.hdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

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

public class MkdirDemoUP {

    private FileSystem fs;
    @Before
    public void init() throws URISyntaxException, IOException, InterruptedException {
        //准备原料
        URI uri = new URI("hdfs://192.168.182.100:8020");
        Configuration configuration = new Configuration();
        String user = "win10";

        fs = FileSystem.get(uri, configuration, user);
    }

    @After
    public void close() throws IOException {
        fs.close();
    }
    
    @Test
    public void testMkdir() throws IOException {
        fs.mkdirs(new Path("/apiTest"));
    }
}

2.2 API操作中配置参数的优先级

参数优先级排序：（1）客户端代码中设置的值 >（2）ClassPath 下的用户自定义配置文
件 >（3）然后是服务器的自定义配置（xxx-site.xml） >（4）服务器的默认配置（xxx-default.xml）

验证:

2.3 从客户机上传文件到集群

由于上面 @After 获取集群HDFS对象资源和 Before关闭资源操作相同, 所以我们只给出@Test部分

  • 栗子: 把windows客户机的D盘/user/hadoop目录下的xyz文件, 上传到hdfs 的apiTest目录中.

使用到的Java方法, copyFromLocalFile(boolean delSrc, boolean overwrite, Path/Path[] srcs, Path dst )

 @Test
    public void testCopyFromLocal() throws IOException {
        //参数含义:
        //1. delSrc, 布尔值, 是否删除客户机上的源文件
        //2. overwite, 布尔值, 是否覆盖hdfs上已存在的文件
        //3.srcs, Path值, 要上传文件在客户机的源路径
        //4. dst, Path值, 上传文件到hdfs的目标路径
        //fs.copyFromLocalFile(false, false, new Path("D:/user/hadoop/xyz"), new Path("/apiTest"));

        fs.copyFromLocalFile(false, false, new Path("D:/user/hadoop/xyz"), new Path("/apiTest"));
    }

在这里插入图片描述

注意: 在上传文件到hdfs时候可能遇到的错误:

  1. org.apache.hadoop.fs.ChecksumException: Checksum error

hadoop在使用文件的时候如果文件夹内有CRC文件，就会做校验的。若是修改了文件内容，就会导致CRC校验文件校验失败, 从而有 checksum error。

解决方法: 删除相应的CRC文件.

2.4 从集群下载文件到客户机

  • 栗子: 从hdfs下载 jdk-8u212-linux-x64.tar.gz到客户机D盘’/user/hadoop’目录下.

使用都的Java方法: fs.copyToLocalFile(boolean delSrc, Path src, Path dst);

 @Test
    public void testCopyToLocal() throws IOException {
        //参数含义:
        //1. delSrc, 布尔值, 是否删除hdfs上的源文件
        //2.src, Path值, hdfs上源文件的目录
        //4. dst, Path值, 客户机的下载目标地址
        //fs.copyToLocalFile(delSrc, src, dst);
        fs.copyToLocalFile(false, new Path("/jdk-8u212-linux-x64.tar.gz"),

2.5 删除集群中的文件

使用到的Java方法: delete(Path src, Boolean recursive);

删除目录要是非空目录的话, recursive为 true哦!

  • 栗子: 删除hdfs上 “/apiTest” 目录中的"xyz"文件.
@Test
public void testDelete(){
//1. Path src, 待删除hdfs上文件的路径
//2. Boolean recursive, 单文件和空目录-false, 非空目录-true
	fs.delete("/apiTest/xyz", false);
}

2.6 对集群中的文件进行更名, 移动

使用的Java方法为 rename( Path path1, Path path2)

我们可以利用renamne方法, 完成对文件名, 目录名的修改, 还能使用它来移动文件, 同时, 想改名的话也可以直接改噢!

  • 举个栗子:
@Test
public void testRename(){

		//1. 修改文件名称
        fs.rename(new Path("/jdk-8u212-linux-x64.tar.gz"), new Path("/jdk1.8"));

        //2. 移动文件到其他目录. 同时还能改个名
        fs.rename(new Path("jdk1.8"), new Path("/apiTest/jdk-1.8"));

        //3. 修改目录名称
        fs.rename(new Path("/apiTest/test00/"), new Path("/apiTest/test/"));
}

2.7 查看集群文件的详情

我们通过Java方法, listFiles(Path path, Boolean recursive) 得到文件信息的一个集合,

注意噢, 这个方法的返回值是一个集合RemoteIterator<LocatedFileStatus>, 我们通过可以通过遍历集合得到文件的各项信息.

  • 举个栗子: 查看 hdfs根目录下各个文件的参数
 @Test
    public void testListFiles() throws IOException {
        RemoteIterator<LocatedFileStatus> fileStatus = fs.listFiles(new Path("/"), true);

        while(fileStatus.hasNext()){
            LocatedFileStatus fs = fileStatus.next();
            System.out.println("========="+fs.getPath()+"===========");
            System.out.println(fs.getPermission());
            System.out.println(fs.getOwner());
            System.out.println(fs.getGroup());
            System.out.println(fs.getLen());
            System.out.println(fs.getModificationTime());
            System.out.println(fs.getReplication());
            System.out.println(fs.getBlockSize());
            System.out.println(fs.getClass().getName());

//查看每个文件的块信息(开始读块号, 结束读块号, 存储到集群的哪个主机上)
		 	BlockLocation[] blockLocations = fs.getBlockLocations();
            
            System.out.println(Arrays.toString(blockLocations));

        }

    }
  • 输出结果如下:
    在这里插入图片描述

tips: 快速生成输出语句的小技巧;

在这里插入图片描述

2.8 集群文件和文件夹的判断

我们通过listStatus来得到一个存储每个文件的各种信息的数组, 然后遍历数组, 通过数组变量(也就是一个文件信息的集合)的isFile()判断当前文件是目录还是文件.

这个数组有哪些内容呢?
文件路径. 修改时间. 大小, 拥有者等等.在这里插入图片描述

 @Test
    public void testFileStatus() throws IOException {

        FileStatus[] fileStatuses = fs.listStatus(new Path("/"));

        for (FileStatus status : fileStatuses) {
            if (status.isFile()) {
                System.out.println("文件: "+status.getPath());
            }else{
                System.out.println("目录: " + status.getPath());
            }
        }
    }

在这里插入图片描述

综合所有源码如下:

package cn.cyy.hdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;
import java.util.Arrays;

public class BasicHDFSAPI {
    /**
     * 0. 提前准备工作
     * 1. 得到HDFS客户端对象
     * 2. 操作HDFS
     * 3. 关闭资源
     */
    //全局变量, hdfs客户端操作对象
    FileSystem fs;
    @Before
    public void init() throws URISyntaxException, IOException, InterruptedException {
        //0. 提前准备, URI, Configuration, User
        URI uri = new URI("hdfs://bigdata01:8020");
        Configuration configuration = new Configuration();
        String user = "win10";

         fs = FileSystem.get(uri, configuration, user);
    }

    @Test
    public void testHDFSAPI() throws IOException {
        //1. 新建文件夹
        //fs.mkdirs(new Path("/API"));

        //2. 上传文件到集群
//        fs.copyFromLocalFile(false, false, new Path("D:/learning-life/Hadoop/笔记"),
//                new Path("/API"));
        //3. 从集群下载文件到客户机
       // fs.copyToLocalFile(false, new Path("/API/笔记"),new Path("D:/CODE"));

        //4. 从集群删除文件
//        fs.delete(new Path("/API/笔记/随堂笔记.txt"), false);

        //5. 在集群中移动文件 和 更名文件
//        fs.rename(new Path("/API/笔记/随堂绘图.pdf"), new Path("/API/随堂笔记.txt"));

        //6. 列出集群某个文件夹里文件的详情

        RemoteIterator<LocatedFileStatus> listFile = fs.listFiles(new Path("/API"), true);

        while(listFile.hasNext()){
            LocatedFileStatus fileStatus = listFile.next();
            System.out.println("=============="+fileStatus.getPath()+"=============");
            System.out.println(fileStatus.getPermission());
            System.out.println(fileStatus.getOwner());
            System.out.println(fileStatus.getGroup());
            System.out.println(fileStatus.getLen());
            System.out.println(fileStatus.getModificationTime());
            System.out.println(fileStatus.getReplication());
            System.out.println(fileStatus.getBlockSize());
            System.out.println(fileStatus.getClass().getName());

            System.out.println(Arrays.toString(fileStatus.getBlockLocations()));
        }

    }


    @Test
    public void testFileStatus() throws IOException {

        FileStatus[] fileStatuses = fs.listStatus(new Path("/"));

        for (FileStatus status : fileStatuses) {
            if (status.isFile()) {
                System.out.println("文件: "+status.getPath());
            }else{
                System.out.println("目录: " + status.getPath());
            }
        }
    }
    @After
    public void close() throws IOException {
        fs.close();
    }
}
posted @   青松城  阅读(150)  评论(0)  编辑  收藏  举报
相关博文：
· 一文让你彻底烂熟于心, Hadoop完全分布式集群的安装部署 1
· 二, 大数据基础架构Hadoop-HDFS入门和基本操作(基本组成, Shell操作, API操作, 读写流程) hf
· Hadoop（十）HDFS API操作
· Java实现对Hadoop HDFS的API操作
· hdfs操作——hdfs的shell命令和hdfs的JavaAPI操作
阅读排行：
· 全程不用写代码，我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· MongoDB 8.0这个新功能碉堡了，比商业数据库还牛
· .NET10 - 预览版1新功能体验（一）
点击右上角即可分享
微信分享提示