IT小白

这个屌丝很懒，什么也没留下！

热门标签

HDFS Java API 基本操作实验_设计一个实验方案,通过hdfs的api操作,实现文件上传、文件下载、文件夹删除、文件

作者：IT小白 | 2024-06-15 09:49:45

踩

设计一个实验方案,通过hdfs的api操作,实现文件上传、文件下载、文件夹删除、文件

文章目录

一、实验环境
二、实验内容
三、实验步骤
四、实验总结
五、课后练习

一、实验环境

本实验主要涉及到了4台虚拟机，其中1台虚拟机的操作系统是ubuntu desktop，另外3台虚拟机的操作系统是centos server。
本实验已经搭建好了Hadoop HA的完全分布式集群。

二、实验内容

我们将一同探讨数据处理中至关重要的一环——Hadoop文件系统（HDFS）的操作。我们将分为四个主要部分，分别是数据准备、编程环境准备、使用Hadoop API操作HDFS文件系统以及使用Hadoop API结合Java IO流进行操作

（一）数据准备

在进行任何数据处理之前，充分准备好数据是至关重要的一步。这一部分将介绍数据准备的重要性，以及如何有效地准备数据以供后续处理使用。

（二）编程环境准备

在进行HDFS文件系统的操作之前，我们需要确保我们的编程环境已经得到了妥善的准备。这包括获取文件系统、配置集群环境等步骤，确保我们的操作能够在集群上运行。

（三）使用Hadoop API操作HDFS文件系统

这一部分是我们的重头戏，我们将使用Hadoop API进行各种文件系统的操作。从创建目录到上传、下载、删除文件，再到列出指定路径下的文件和目录，我们将一一演示如何使用Hadoop API轻松地完成这些操作。同时，我们也会分享一些辅助代码，使大家更好地理解和应用这些操作。

（四）使用Hadoop API + Java IO流操作HDFS文件系统

在这一部分，我们将进一步深入，结合Java IO流，展示如何通过IO流上传、读取和下载文件。这将为大家提供更多的灵活性和掌握文件系统操作的技能。
本次实验帮助大家更好地理解和应用Hadoop文件系统的操作，使大家能够在实际工作中更加得心应手。接下来，我们将深入到各个部分，让我们一同来探索这个数据处理的世界吧！

三、实验步骤

（一）数据准备

在desktop节点打开终端
切换到/opt目录
下载data.txt和localFile.txt数据文件，执行命令：wget 192.168.192.81:8086/api/web/resource/bigdata/Hadoop_Base/06/data/data.txt
下载data.txt和localFile.txt数据文件，执行命令：wget 192.168.192.81:8086/api/web/resource/bigdata/Hadoop_Base/06/data/localFile.txt
下载日志属性文件，wget 192.168.192.81:8086/api/web/resource/bigdata/Hadoop_Base/06/expPackages/log4j .properties
下载Hadoop核心配置文件core-site.xml，wget 192.168.192.81:8086/api/web/resource/bigdata/Hadoop_Base/06/expPackages/core-site.xml
下载Hadoop分布式文件系统配置文件hdfs-site.xml文件：wget 192.168.192.81:8086/api/web/resource/bigdata/Hadoop_Base/06/expPackages/hdfs-site.xml

（二）编程环境准备

1、在desktop节点启动IDEA

勾选用户协议
单击continue

2、创建Maven项目

单击欢迎窗口中的【NewProject】按钮，选择Maven项目
单击【Next】按钮，在对话框中设置项目名称、位置、组标识和构建标识
单击【Finish】按钮，在弹出的【Tip of the Day】消息框里勾选【Don’t show tips】复选框
单击【Close】按钮，看到一个空的Maven项目

3、添加依赖项目

在pom.xml文件里添加相关依赖

<dependencies>                                        
    <dependency>                                      
        <groupId>org.apache.hadoop</groupId>          
        <artifactId>hadoop-common</artifactId>        
        <version>2.7.6</version>                      
    </dependency>                                     
    <dependency>                                      
        <groupId>org.apache.hadoop</groupId>          
        <artifactId>hadoop-client</artifactId>        
        <version>2.7.6</version>                      
    </dependency>                                     
    <dependency>                                      
        <groupId>org.apache.hadoop</groupId>          
        <artifactId>hadoop-hdfs</artifactId>          
        <version>2.7.6</version>                      
    </dependency>                                     
    <dependency>                                      
        <groupId>junit</groupId>                      
        <artifactId>junit</artifactId>                
        <version>4.10</version>                       
    </dependency>                                     
    <dependency>                                      
        <groupId>org.apache.logging.log4j</groupId>   
        <artifactId>log4j-core</artifactId>           
        <version>2.8.2</version>                      
    </dependency>                                     
</dependencies>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

（1）hadoop-common (org.apache.hadoop:hadoop-common:2.7.6)

作用：提供Hadoop的通用库和工具，包括文件系统操作、配置管理等。
详细说明：这是Hadoop的核心库，包含了许多通用的类和工具，用于支持Hadoop分布式文件系统（HDFS）和分布式计算。

（2）hadoop-client (org.apache.hadoop:hadoop-client:2.7.6)

作用：提供Hadoop的客户端库，支持与Hadoop集群进行交互。
详细说明：包含Hadoop客户端的相关类，用于在应用程序中与Hadoop集群通信，提交作业等。

（3）hadoop-hdfs (org.apache.hadoop:hadoop-hdfs:2.7.6)

作用：提供Hadoop分布式文件系统（HDFS）的支持。
详细说明：包含了HDFS相关的类，用于进行文件系统的读写操作，支持分布式存储和文件管理。

（4）junit (junit:junit:4.10)

作用：提供Java单元测试的支持。
详细说明： JUnit是一个广泛用于Java项目的测试框架，用于编写和运行单元测试。

（5）log4j-core (org.apache.logging.log4j:log4j-core:2.8.2)

作用：提供Log4j日志框架的核心功能。
详细说明： Log4j是一个用于Java应用程序的灵活的日志框架，log4j-core包含了其核心的日志处理功能。
中慧教学实训平台提供了文件的上传和下载功能
CentOS上Maven项目本地仓库默认位置（用户主目录/.m2/repository）
刷新项目依赖
刷新之后，多一个Dependencies项
查看项目依赖的外部库（External Libraries）

4、添加资源文件

将/opt目录里的core-site.xml、hdfs-site.xml、log4j.properties文件拷贝到项目的resources目录

5、创建包

在src/main/java里创建net.huawei.usehdfs包

（三）使用Hadoop API操作HDFS文件系统

1、获取文件系统并配置在集群上运行

在net.huawei.usehdfs包里创建HDFSBase类
导入程序所需要的包
创建init()方法，获取在集群上运行的文件系统
运行init()方法
在控制台查看结果

2、创建目录

创建testMkdirs()方法
由于每次对于HDFS文件系统的操作都需要获取文件系统并配置在集群上运行，因此需要将上一个功能代码中的@Test修改为@Before，并将System.out.printIn(fileSystem);语句注释掉。
运行testMkdirs()方法，查看控制台结果
在Hadoop WebUI上查看创建的目录
利用HDFS Shell命令hdfs dfs -ls -R /查看

3、上传文件

创建testCopyFromLocal()方法
testCopyFromLocal()方法，查看结果
在master上查看上传的文件内容

4、下载文件

创建testCopyToLocal()方法
运行testCopyToLocal()方法，查看结果
在desktop节点上查看下载的文件
在desktop节点上查看下载的文件内容

5、删除文件/目录

创建testDeleteFile()方法，删除/idea/mkdir/directory/data.txt文件
运行testDeleteFile()方法，查看结果
查看/idea/mkdir/directory/data.txt文件，报错说文件不存在
修改代码，删除/idea/mkdir/directory目录
运行testDeleteFile()方法，查看结果
查看/idea/mkdir/directory目录，报错说目录不存在

6、列出指定路径下的文件和目录

创建testListAllStatus()方法
运行testListAllStatus()方法，查看结果
上传anaconda-ks.cfg到HDFS根目录
运行testListAllStatus()方法，查看结果
在HDFS的‘/’目录下创建两个目录：ied01、ied02
创建几个文件，然后上传到HDFS根目录
运行testListAllStatus()方法，查看结果

7、辅助代码

package net.huawei.usehdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.junit.Before;
import org.junit.Test;
import java.io.IOException;
import java.net.URI;

public class HDFSBase {

    private FileSystem fileSystem;
    private Configuration configuration;

    /**
     * 获取文件系统并配置在集群上运行
     * @throws IOException
     * @throws InterruptedException
     */
    @Before
    public void init() throws IOException, InterruptedException {
        //1、获取文件系统
        configuration = new Configuration();
        //2、配置在集群上运行
        String uri = "hdfs://mycluster:8020";
        fileSystem = FileSystem.get(URI.create(uri), configuration, "root");
        //System.out.println(fileSystem);
    }

    /**
     * 创建目录
     * @throws IOException
     */
    @Test
    public void testMkdirs() throws IOException {
        //3、创建目录
        Path path = new Path("/idea/mkdir/directory");
        fileSystem.mkdirs(path);
        fileSystem.close();
    }

    /**
     * 上传文件
     * @throws IOException
     */
    @Test
    public void testCopyFromLocal() throws IOException {
        //3、从本地上传文件到hdfs文件系统
        // Path src 要上传的文件的路径（本地文件系统中的路径）
        Path src = new Path("/opt/data.txt");
        // Path dst 将文件上传到的路径（hdfs文件系统中的路径）
        Path dst = new Path("/idea/mkdir/directory");
        fileSystem.copyFromLocalFile(src, dst);
        fileSystem.close();
        System.out.println("文件上传成功～" + dst.toString() + "/" + src.getName());
    }

    /**
     * 下载文件
     * @throws IOException
     */
    @Test
    public void testCopyToLocal() throws IOException {
        //3、从hdfs文件系统将文件下载到本地
        // Path src 文件在hdfs文件系统中的路径（hdfs文件系统中的路径）
        Path src = new Path("/idea/mkdir/directory/data.txt");
        // Path dst 要下载的文件的路径（本地文件系统中的路径）
        Path dst = new Path("/usr/local/src/data.txt");
        fileSystem.copyToLocalFile(src, dst);
        fileSystem.close();
        System.out.println("文件下载成功～" + dst.toString());
    }

    /**
     * 删除文件/目录
     * @throws IOException
     */
    @Test
    public void testDeleteFile() throws IOException {
        //3、删除hdfs文件系统中的文件或目录
        Path path = new Path("/idea/mkdir/directory");
        //判断是否是目录
        boolean directory = fileSystem.isDirectory(path);
        //判断是否是文件
        boolean file = fileSystem.isFile(path);
        //如果是目录，则删除目录
        if(directory){
            boolean deleteDirectory = fileSystem.delete(path, true);
            if(deleteDirectory){
                System.out.println("该路径是个目录，删除目录成功！");
            }
        }
        //如果是文件，则删除文件
        if(file){
            boolean deleteFile = fileSystem.delete(path, true);
            if(deleteFile) {
                System.out.println("该路径是个文件，删除文件成功！");
            }
        }
        fileSystem.close();
    }

    /**
     * 列出指定路径下的文件和目录
     * @throws IOException
     */
    @Test
    public void testListAllStatus() throws IOException {
        //3、列出hdfs文件系统中指定路径下所有的目录和文件
        Path path = new Path("/");
        FileStatus[] fileStatuses = fileSystem.listStatus(path);
        for (FileStatus fileStatus : fileStatuses) {
            //如果是文件，则输出文件
            if(fileStatus.isFile()){
                System.out.println("文件："+fileStatus.getPath().getName());
            }
            //如果是目录，则输出目录
            if(fileStatus.isDirectory()){
                System.out.println("目录："+fileStatus.getPath().getName());
            }
        }
        fileSystem.close();
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124

（四）使用Hadoop API + Java IO流操作HDFS文件系统

4.1、获取文件系统并配置在集群上运行

创建包[net.huawei.usehdfs] – 创建HDFSIO的JAVA类
使用Hadoop API + Java IO流，导包
获取文件系统并配置在集群上运行–核心代码
点击对应左侧[RunTest] - [Run 'init()']，运行程序，查看结果

2、上传文件(IO流)

在这里插入图片描述

实现上传文件(IO流)核心代码
由于每次对于HDFS文件操作系统都需要获取文件系统并配置在集群上运行，因此要将上一个功能代码中进行修改，修改如图：
点击对应左侧[RunTest] - [Run 'testUpLoad()']，运行程序，查看结果
在浏览器（desktop节点中的浏览器）中查看

3、读取文件(IO流)

实现读取文件(IO流)核心代码
点击对应左侧[RuTtest] - [Run 'testReadFile()']，运行程序，查看结果

4、下载文件(IO流)

实现下载文件(IO流)核心代码
点击对应左侧[RuTtest] - [Run 'testDownLoad()']，运行程序，查看结果
在本地文件（desktop节点中）中查看（可以看到文件被下载到本地系统的/usr/local/src目录）

5、查看完整代码

package net.huawei.usehfds;

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

import java.io.*;
import java.net.URI;

public class HDFSIO {

    private FileSystem fileSystem;
    private Configuration configuration;

    /**
     * 获取文件系统并配置在集群上运行
     * @throws IOException
     * @throws InterruptedException
     */
    @Before
    public void init() throws IOException, InterruptedException {
        // 创建配置对象
        configuration = new Configuration();
        // 定义统一资源标识符变量指向集群
        String uri = "hdfs://mycluster:8020";
        // 基于集群、配置对象与用户获取文件系统对象
        fileSystem = FileSystem.get(URI.create(uri), configuration, "root");
        // 打印文件系统对象
        // System.out.println(fileSystem);
    }

    /**
     * 通过IO流上传文件
     * @throws IOException
     */
    @Test
    public void testUpload() throws IOException {
        // 创建本地文件输入流，读取本地文件内容
        File localFile = new File("/opt/localFile.txt");
        FileInputStream in = new FileInputStream(localFile);
        // 创建HDFS文件输出流，写入HDFS文件
        Path path = new Path("/io/localFile.txt");
        FSDataOutputStream out = fileSystem.create(path);
        // 利用IOUtils工具类实现流对接，完成文件拷贝
        IOUtils.copyBytes(in, out, configuration);
        // 关闭输入输出流
        IOUtils.closeStream(in);
        IOUtils.closeStream(out);
        // 关闭文件系统
        fileSystem.close();
        // 提示用户
        System.out.println("文件上传成功～" + path.toString());
    }

    /**
     * 通过IO流读取文件
     * @throws IOException
     */
    @Test
    public void testReadFile() throws IOException {
        // 创建HDFS文件输入流，读取HDFS文件
        Path path = new Path("/io/localFile.txt");
        FSDataInputStream in = fileSystem.open(path);
        // 利用IOUtils工具类，将输入流拷贝到控制台显示
        IOUtils.copyBytes(in, System.out, 4096);
        // 关闭输入流
        IOUtils.closeStream(in);
        // 关闭文件系统
        fileSystem.close();
    }

    /**
     * 通过IO流下载文件
     * @throws IOException
     */
    @Test
    public void testDownload() throws IOException {
        // 创建HDFS文件输入流，读取HDFS文件
        Path path = new Path("/io/localFile.txt");
        FSDataInputStream in = fileSystem.open(path);
        // 创建本地文件输出流，写入本地文件内容
        File localFile = new File("/usr/local/src/localFile.txt");
        FileOutputStream out = new FileOutputStream(localFile);
        // 利用IOUtils工具类实现流对接，完成文件拷贝
        IOUtils.copyBytes(in, out, configuration);
        // 关闭输入输出流
        IOUtils.closeStream(in);
        IOUtils.closeStream(out);
        // 关闭文件系统
        fileSystem.close();
        // 提示用户
        System.out.println("文件下载成功～" + localFile.getAbsolutePath());
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97

这段代码是一个Java程序，主要用于操作Hadoop分布式文件系统（HDFS）中的文件。它通过使用Apache Hadoop的FileSystem API和IOUtils工具类来实现对HDFS中文件的基本功能，包括上传文件、读取文件以及下载文件。
在初始化阶段，程序通过Configuration对象配置HDFS连接，并通过FileSystem.get()方法获取到一个与HDFS的连接实例。然后，各个测试方法分别实现了上述的基本功能，如testUpload()用于从本地上传文件到HDFS，testReadFile()用于从HDFS读取文件内容并输出到控制台，testDownload()用于从HDFS下载文件到本地。
整个程序以Java语言编写，并利用了JUnit进行单元测试，使得代码更加模块化和易于维护。同时，由于采用了Hadoop的HDFS API和IOUtils工具类，使得程序可以方便地在Hadoop集群上运行，实现对HDFS文件的高效操作。

四、实验总结

在本次实验中，我们主要围绕Hadoop分布式文件系统（HDFS）的操作进行了深入的学习和实践。首先，我们对实验环境进行了简要的介绍，包括所需的数据准备和编程环境准备。
在编程环境准备阶段，我们启动了IDEA，并创建了一个Maven项目。然后，我们为项目添加了必要的依赖库，包括hadoop-common、hadoop-client、hadoop-hdfs、junit以及log4j-core等。接下来，我们添加了一些资源文件，并创建了一个包，以便组织我们的代码。
在使用Hadoop API操作HDFS文件系统部分，我们首先获取了文件系统对象，然后学习了如何创建目录、上传文件、下载文件、删除文件/目录以及列出指定路径下的文件和目录。这部分内容通过具体的代码示例，使同学们对Hadoop API有了更直观的理解和掌握。
在使用Hadoop API + Java IO流操作HDFS文件系统部分，我们同样先获取了文件系统对象，然后学习了如何通过IO流来上传文件、读取文件以及下载文件。这部分内容结合了Java IO流的知识，使得同学们能够更加灵活地进行文件操作。
总的来说，这次课堂不仅让同学们了解了HDFS的基本操作，还通过实际编程练习提高了大家的动手能力。同时，通过对Hadoop API和Java IO流的学习，也拓宽了同学们的技术视野。希望同学们能够在未来的学习和工作中，将这些知识运用到实践中去，解决更多的实际问题。

五、课后练习

1、在HDFS上创建一个新目录，并上传一个本地文件到该目录中。
2、使用Java IO流将一个HDFS上的文件下载到本地。
3、编写一个程序，实现对HDFS上指定路径下的所有文件进行重命名操作。例如，将所有的.txt文件改为.txt.bak。
4、在HDFS上创建一个新目录，并在其中生成10个随机数文件，每个文件大小为1MB。
5、编写一个程序，实现对HDFS上指定目录下的所有文件进行复制操作，将它们复制到另一个目录下。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/IT小白/article/detail/721820