hadoop系列二:HDFS文件系统的命令及JAVA客户端API

时间:2023-11-22 09:54:38

转载请在页首明显处注明作者与出处

http://www.cnblogs.com/zhuxiaojie/p/6391518.html

一:说明

此为大数据系列的一些博文,有空的话会陆续更新,包含大数据的一些内容,如hadoop,spark,storm,机器学习等。

当前使用的hadoop版本为2.6.4

上一篇:hadoop系列一:hadoop集群安装

二:HDFS的shell命令

上一章说完了安装HADOOP集群部分,这一张讲HDFS。

其实基本上操作都是通过JAVA API来操作,所以这里的shell命令只是简单介绍一下,实际操作中自然是JAVA API更加方便,功能也更加强大,JAVA API在第三部分。

注:这里JAVA API连接的地址,其实就是server1,也就是前面安装namenode的服务器。

调用文件系统(FS)Shell命令应使用 bin/hadoop fs <args>的形式。 所有的的FS shell命令使用URI路径作为参数。URI格式是scheme://authority/path。对HDFS文件系统,scheme是hdfs,对本地文件系统,scheme是file。其中scheme和authority参数都是可选的,如果未加指定,就会使用配置中指定的默认scheme。一个HDFS文件或目录比如/parent/child可以表示成hdfs://namenode:namenodeport/parent/child,或者更简单的/parent/child(假设你配置文件中的默认值是namenode:namenodeport)。大多数FS Shell命令的行为和对应的Unix Shell命令类似,不同之处会在下面介绍各命令使用详情时指出。出错信息会输出到stderr,其他信息输出到stdout

2.1:cat

使用方法:hadoop fs -cat URI [URI …]

将路径指定文件的内容输出到stdout

示例:

  • hadoop fs -cat hdfs://host1:port1/file1 hdfs://host2:port2/file2
  • hadoop fs -cat file:///file3 /user/hadoop/file4

返回值:
成功返回0,失败返回-1。

2.2:chgrp

使用方法:hadoop fs -chgrp [-R] GROUP URI [URI …] Change group association of files. With -R, make the change recursively through the directory structure. The user must be the owner of files, or else a super-user. Additional information is in the Permissions User Guide. -->

改变文件所属的组。使用-R将使改变在目录结构下递归进行。命令的使用者必须是文件的所有者或者超级用户。更多的信息请参见HDFS权限用户指南

2.3:chmod

使用方法:hadoop fs -chmod [-R] <MODE[,MODE]... | OCTALMODE> URI [URI …]

改变文件的权限。使用-R将使改变在目录结构下递归进行。命令的使用者必须是文件的所有者或者超级用户。更多的信息请参见HDFS权限用户指南

2.4:chown

使用方法:hadoop fs -chown [-R] [OWNER][:[GROUP]] URI [URI ]

改变文件的拥有者。使用-R将使改变在目录结构下递归进行。命令的使用者必须是超级用户。更多的信息请参见HDFS权限用户指南

2.5:copyFromLocal

使用方法:hadoop fs -copyFromLocal <localsrc> URI

除了限定源路径是一个本地文件外,和put命令相似

2.6:copyToLocal

使用方法:hadoop fs -copyToLocal [-ignorecrc] [-crc] URI <localdst>

除了限定目标路径是一个本地文件外,和get命令类似。

2.7:cp

使用方法:hadoop fs -cp URI [URI …] <dest>

将文件从源路径复制到目标路径。这个命令允许有多个源路径,此时目标路径必须是一个目录。 
示例:

  • hadoop fs -cp /user/hadoop/file1 /user/hadoop/file2
  • hadoop fs -cp /user/hadoop/file1 /user/hadoop/file2 /user/hadoop/dir

返回值:

成功返回0,失败返回-1。

2.8:du

使用方法:hadoop fs -du URI [URI …]

显示目录中所有文件的大小,或者当只指定一个文件时,显示此文件的大小。
示例:
hadoop fs -du /user/hadoop/dir1 /user/hadoop/file1 hdfs://host:port/user/hadoop/dir1 
返回值:
成功返回0,失败返回-1。

2.9:dus

使用方法:hadoop fs -dus <args>

显示文件的大小。

2.10:expunge

使用方法:hadoop fs -expunge

清空回收站。请参考HDFS设计文档以获取更多关于回收站特性的信息。

2.11:get

使用方法:hadoop fs -get [-ignorecrc] [-crc] <src> <localdst>

复制文件到本地文件系统。可用-ignorecrc选项复制CRC校验失败的文件。使用-crc选项复制文件以及CRC信息。

示例:

  • hadoop fs -get /user/hadoop/file localfile
  • hadoop fs -get hdfs://host:port/user/hadoop/file localfile

返回值:

成功返回0,失败返回-1。

2.12:getmerge

使用方法:hadoop fs -getmerge <src> <localdst> [addnl]

接受一个源目录和一个目标文件作为输入,并且将源目录中所有的文件连接成本地目标文件。addnl是可选的,用于指定在每个文件结尾添加一个换行符。

2.13:ls

使用方法:hadoop fs -ls <args>

如果是文件,则按照如下格式返回文件信息:
文件名 <副本数> 文件大小 修改日期 修改时间 权限 用户ID 组ID 
如果是目录,则返回它直接子文件的一个列表,就像在Unix中一样。目录返回列表的信息如下:
目录名 <dir> 修改日期 修改时间 权限 用户ID 组ID 
示例:
hadoop fs -ls /user/hadoop/file1 /user/hadoop/file2 hdfs://host:port/user/hadoop/dir1 /nonexistentfile 
返回值:
成功返回0,失败返回-1。

2.14:lsr

使用方法:hadoop fs -lsr <args> 
ls命令的递归版本。类似于Unix中的ls -R。

2.15:mkdir

使用方法:hadoop fs -mkdir <paths>

接受路径指定的uri作为参数,创建这些目录。其行为类似于Unix的mkdir -p,它会创建路径中的各级父目录。

示例:

  • hadoop fs -mkdir /user/hadoop/dir1 /user/hadoop/dir2
  • hadoop fs -mkdir hdfs://host1:port1/user/hadoop/dir hdfs://host2:port2/user/hadoop/dir

返回值:

成功返回0,失败返回-1。

2.16:movefromLocal

使用方法:dfs -moveFromLocal <src> <dst>

输出一个”not implemented“信息。

2.17:mv

使用方法:hadoop fs -mv URI [URI …] <dest>

将文件从源路径移动到目标路径。这个命令允许有多个源路径,此时目标路径必须是一个目录。不允许在不同的文件系统间移动文件。 
示例:

  • hadoop fs -mv /user/hadoop/file1 /user/hadoop/file2
  • hadoop fs -mv hdfs://host:port/file1 hdfs://host:port/file2 hdfs://host:port/file3 hdfs://host:port/dir1

返回值:

成功返回0,失败返回-1。

2.18:put

使用方法:hadoop fs -put <localsrc> ... <dst>

从本地文件系统中复制单个或多个源路径到目标文件系统。也支持从标准输入中读取输入写入目标文件系统。

  • hadoop fs -put localfile /user/hadoop/hadoopfile
  • hadoop fs -put localfile1 localfile2 /user/hadoop/hadoopdir
  • hadoop fs -put localfile hdfs://host:port/hadoop/hadoopfile
  • hadoop fs -put - hdfs://host:port/hadoop/hadoopfile 
    从标准输入中读取输入。

返回值:

成功返回0,失败返回-1。

2.19:rm

使用方法:hadoop fs -rm URI [URI …]

删除指定的文件。只删除非空目录和文件。请参考rmr命令了解递归删除。
示例:

  • hadoop fs -rm hdfs://host:port/file /user/hadoop/emptydir

返回值:

成功返回0,失败返回-1。

2.20:rmr

使用方法:hadoop fs -rmr URI [URI …]

delete的递归版本。
示例:

  • hadoop fs -rmr /user/hadoop/dir
  • hadoop fs -rmr hdfs://host:port/user/hadoop/dir

返回值:

成功返回0,失败返回-1。

2.21:setrep

使用方法:hadoop fs -setrep [-R] <path>

改变一个文件的副本系数。-R选项用于递归改变目录下所有文件的副本系数。

示例:

  • hadoop fs -setrep -w 3 -R /user/hadoop/dir1

返回值:

成功返回0,失败返回-1。

2.22:stat

使用方法:hadoop fs -stat URI [URI …]

返回指定路径的统计信息。

示例:

  • hadoop fs -stat path

返回值:
成功返回0,失败返回-1。

2.23:tail

使用方法:hadoop fs -tail [-f] URI

将文件尾部1K字节的内容输出到stdout。支持-f选项,行为和Unix中一致。

示例:

  • hadoop fs -tail pathname

返回值:
成功返回0,失败返回-1。

2.24:test

使用方法:hadoop fs -test -[ezd] URI

选项:
-e 检查文件是否存在。如果存在则返回0。
-z 检查文件是否是0字节。如果是则返回0。 
-d 如果路径是个目录,则返回1,否则返回0。

示例:

    • hadoop fs -test -e filename

2.25:text

使用方法:hadoop fs -text <src>

将源文件输出为文本格式。允许的格式是zip和TextRecordInputStream。

2.26:touchz

使用方法:hadoop fs -touchz URI [URI …]

创建一个0字节的空文件。

示例:

  • hadoop -touchz pathname

返回值:
成功返回0,失败返回-1。

三:JAVA API

此部分遇到的问题参见第四章节异常部分

本部分的java代码在github中已上传,地址:

首先创建一个MAVEN项目,加入如下依赖

<hadoop.version>2.6.4</hadoop.version>

        <dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>${hadoop.version}</version>
</dependency> <dependency>
<groupId>jdk.tools</groupId>
<artifactId>jdk.tools</artifactId>
<version>1.7</version>
<scope>system</scope>
<systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
</dependency> <dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-hdfs</artifactId>
<version>${hadoop.version}</version>
</dependency>

然后在写一个测试类,先写这样一段代码初始化对象

    @Before
public void init() throws IOException, InterruptedException, URISyntaxException{
conf = new Configuration();
conf.set("fs.defaultFS", "hdfs://192.168.1.4:9000");
//拿到操作HDFS的一个实例,并且设置其用户
fs = FileSystem.get(new URI("hdfs://192.168.1.4:9000"),conf,"hadoop");
}

3.1:上传文件

    /**
* 上传
* @throws Exception
*/
@Test
public void upload()throws Exception{
//后面的true,是指如果文件存在,则覆盖
FSDataOutputStream fout = fs.create(new Path("/xx.jpg"), true);
InputStream in = new FileInputStream("C:/Users/Administrator/Pictures/1.png"); //复制流,并且完成之后关闭流
IOUtils.copyBytes(in, fout, 1024,true);
}

3.2:下载文件

    /**
* 下载
* @throws Exception
*/
@Test
public void download()throws Exception{
FSDataInputStream fin = fs.open(new Path("/xx.jpg")); OutputStream out = new FileOutputStream("d://axx.jpg"); IOUtils.copyBytes(fin, out, 1024,true);
}

3.3:读取文件指定的部分

    /**
* 在指定位置读写
* @throws Exception
*/
@Test
public void random()throws Exception{
FSDataInputStream fin = fs.open(new Path("xx.jpg"));
//从12的位置开始读
fin.seek(12); OutputStream out = new FileOutputStream("d://axx.jpg"); IOUtils.copyBytes(fin, out, 1024,true);
}

3.4:获取hadoop中的配置属性

    /**
* 可以获取hadoop配置
* @throws Exception
*/
@Test
public void conf()throws Exception{
Iterator<Entry<String, String>> iterator = conf.iterator();
while(iterator.hasNext()){
Entry<String, String> entry = iterator.next();
System.out.println(entry);
}
}

3.5:创建文件夹

    /**
* 创建文件夹
* @throws Exception
*/
@Test
public void mkdir()throws Exception{
boolean mkdirs = fs.mkdirs(new Path("/mkdir/a/b"));
if(mkdirs){
System.out.println("创建文件夹成功");
}
fs.close();
}

3.6:删除文件与目录

    /**
* 删除
* @throws Exception
*/
@Test
public void delete()throws Exception{
//递归删除
boolean delete = fs.delete(new Path("/mkdir/a/b"), true);
if(delete){
System.out.println("删除成功");
}
fs.close();
}

3.7:使用迭代器递归列出所有文件

这种迭代器可以列出HDFS的所有文件,而不用担心内存溢出,因为这段代码并不是直接把所有的文件信息封装到对象中,而是一个远程迭代器。

/**
* 列出文件,可以递归所有文件,它是一个迭代器,因为客户端无法接收所有文件信息
*/
@Test
public void listFile()throws Exception{
RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
while(listFiles.hasNext()){
LocatedFileStatus lfs = listFiles.next();
System.out.println("块大小:" + lfs.getBlockSize());
System.out.println("所属组:" + lfs.getOwner());
System.out.println("大小:" + lfs.getLen());
System.out.println("文件名:" + lfs.getPath().getName());
System.out.println("是否目录:" + lfs.isDirectory());
System.out.println("是否文件:" + lfs.isFile());
System.out.println();
BlockLocation[] blockLocations = lfs.getBlockLocations();
for (BlockLocation blockLocation : blockLocations) {
System.out.println("块偏移数:" + blockLocation.getOffset());
System.out.println("块长度:" + blockLocation.getLength());
System.out.println("块名称:" + Arrays.toString(blockLocation.getNames()));
System.out.println("块名称:" + Arrays.toString(blockLocation.getHosts()));
}
System.out.println("--------------------------");
}
}

3.8:列出一个目录的所有文件信息,不递归

这一段代码是列出一个目录中所有的文件信息,因为它无法递归,所以它的返回结果是一个数组,或者说直接把当前目录的信息返回到了这个数组。

    /**
* 列出文件,但是不可以递归,所以可以直接用数组存储,
* @throws Exception
*/
@Test
public void listFile2()throws Exception{
FileStatus[] listStatus = fs.listStatus(new Path("/"));
for (FileStatus fileStatus : listStatus) {
System.out.println("块大小:" + fileStatus.getBlockSize());
System.out.println("所属组:" + fileStatus.getOwner());
System.out.println("大小:" + fileStatus.getLen());
System.out.println("文件名:" + fileStatus.getPath().getName());
System.out.println("是否目录:" + fileStatus.isDirectory());
System.out.println("是否文件:" + fileStatus.isFile());
}
}

四:问题部分

4.1:问题一

使用如下API时,报空指针

hadoop系列二:HDFS文件系统的命令及JAVA客户端API

准确的说是这些和HDFS shell一样的api,都会抛出空指针,为什么呢?

其实如果看过了上面的JAVA API部分的代码,可以发现,在上面部分我没有写这些方法。首先是其它的方法可以代替,并且功能更加强大,其次这些代码运行比较麻烦。

因为这里面实际上就是使用了HDFS的shell,有可能你在HADOOP服务器安装了hadoop,但是在运行这段代码的机器并没有安装,所以会报错。

正确的做法是配置HADOOP_HOME的环境变量,而且需要是专门在运行的操作系统上编译的专属版本,不要说LINUX与WINDOWS不一样,就是WINDOWS7和WINDOWS10都可能不一样,所以要经过专门的编译。

4.2:问题二

使用java客户端时提示Missing artifact jdk.tools:jdk.tools:jar:1.6,这一段是MAVEN报的错。

可以相信,出现这个问题的人,一定没有按照本文相应的引入依赖,hadoop-common中依赖了jdk中的一个包,所以在一开始,就要求了引入如下的jar包,引入后就没事了

    <dependency>
<groupId>jdk.tools</groupId>
<artifactId>jdk.tools</artifactId>
<version>1.6</version>
<scope>system</scope>
<systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
</dependency>

4.3:问题三

使用java客户报时,抛出异常,没有hdfs协议,它是在这样的一行代码中报错的

FileSystem fs = FileSystem.get(new URI("hdfs://192.168.154.2:9000"), new Configuration());

抛出的异常如下:

java.io.IOException: No FileSystem for scheme: hdfs

好了,首先可以肯定,你使用的hadoop版本不是和本文的2.6.4一致,应该是更老的版本。

我们看一下源代码

hadoop系列二:HDFS文件系统的命令及JAVA客户端API

通过断点发现,参数中的scheme是hdfs,也就是我参数中的协议,然后拼接后根据一定的映射去查看对应的类实现,如果找不到,则返回null,也就是产生了这样的异常。

提示没有hdfs的协议,这是因为在hadoop-commons.jar中,有一个core-default.xml文件并没有配置这个协议,如下是我之前使用的2.2的版本

hadoop系列二:HDFS文件系统的命令及JAVA客户端API

我们找到这个文件所在本地maven仓库的位置,然后用压缩软件打开这个jar包,把这个core-default.xml复制出去,然后编辑,加入这样一段配置

<property>
<name>fs.hdfs.impl</name>
<value>org.apache.hadoop.hdfs.DistributedFileSystem</value>
<description>The FileSystem for hdfs: uris.</description>
</property>

这样我们就配置了hdfs协议的实现,相应的错误也就不再出现了。

下一篇:hadoop系列三:mapreduce的使用