一、HDFS 简介
HDFS(Hadoop Distributed File System)是Hadoop 项目的核心子项目,在大数据开发中通过分布式计算对海量数据进行存储与管理。
HDFS 是一个典型的主/从架构的分布式系统。一个HDFS 集群由一个元数据节点(NameNode)和一些数据节点(DataNode)组成。
举个例子,我们可以把NameNode 想象成一个仓库管理员,管理仓库中的商品;DataNode 想象成是一个仓库,用于存储商品,而商品就是我们所说的数据。
HDFS 命令行操作
命令行接口如下:
$ bin/hadoop fs -命令 文件 路径
或者
$ bin/hdfs dfs -命令 文件路径
ls
使用ls命令可以查看HDFS系统中的目录和文件。
$ hadoop fs -ls /
操作演示:
[root@centos01 ~]# hadoop fs -ls /
Found 2 items
drwxr-xr-x - hadoop supergroup 0 2021-07-10 08:58 /input
drwx------ - hadoop supergroup 0 2021-07-10 08:38 /tmp
递归列出HDFS 文件系统根目录下的所有目录和文件:
[root@centos01 ~]# hadoop fs -ls -R /
drwxr-xr-x - hadoop supergroup 0 2021-07-10 08:58 /input
-rw-r--r-- 2 hadoop supergroup 83 2021-07-10 08:58 /input/wc.txt
drwx------ - hadoop supergroup 0 2021-07-10 08:38 /tmp
drwx------ - hadoop supergroup 0 2021-07-10 08:38 /tmp/hadoop-yarn
drwx------ - hadoop supergroup 0 2021-07-10 08:38 /tmp/hadoop-yarn/staging
drwx------ - hadoop supergroup 0 2021-07-10 08:38 /tmp/hadoop-yarn/staging/hadoop
drwx------ - hadoop supergroup 0 2021-07-10 08:49 /tmp/hadoop-yarn/staging/hadoop/.staging
put
使用put 命令可以将本地文件上传到HDFS系统中。如将本地文件a.txt 上传到 HDFS 文件系统根目录 input 文件夹中,命令如下:
$ hadoop fs -put a.txt /input/
get
使用get命令可以将 HDFS 文件系统中的文件下载到本地,注意下载时不能与本地文件名相同,否则会提示文件已存在。
$ hadoop fs -get /input/a.txt a.txt
将文件夹下载到本地:
$ hadoop fs -get /input/ ./
常用命令
列出 hdfs 下的文件
$ hadoop dfs -ls
列出 hdfs / 路径下的所有文件,文件夹
$ hadoop dfs -ls -R /
创建目录 /input
$ hadoop dfs -mkdir /input
列出 hsfs 名为 input 的文件夹中的文件
$ hadoop dfs -ls input
将 test.txt 上传到 hdfs 中
$ hadoop fs -put /home/binguner/Desktop/test.txt /input
将 hsdf 中的 test.txt 文件保存到本地桌面文件夹
$ hadoop dfs -get /input/test.txt /home/binguenr/Desktop
删除 hdfs 上的 test.txt 文件
$ hadoop dfs -rmr /input/test.txt
查看 hdfs 下 input 文件夹中的内容
$ hadoop fs -cat input/*
进入安全模式
$ hadoop dfsadmin –safemode enter
退出安全模式
$ hadoop dfsadmin -safemode leave
报告 hdfs 的基本统计情况
$ hadoop dfsadmin -report
二、Java API操作
1、创建
pom.xml 文件中引入Hadoop的Java API 依赖包:
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.8.2</version>
</dependency>
新建 com/homay/hadoopstudy/FileSystemCat.java
类
package com.homay.hadoopstudy;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
import sun.nio.ch.IOUtil;
import java.io.InputStream;
/**
* @author: kaiyi
* @Date 2021/7/12 0:25
*/
public class FileSystemCat {
public static void main(String[] args) throws Exception{
Configuration conf = new Configuration();
conf.set("fs.defalut.name", "hdfs://192.168.222.10:9000");
FileSystem fs = FileSystem.get(conf);
// 打开文件输入流
InputStream in = fs.open(new Path("hdfs:/input/wc.txt"));
IOUtils.copyBytes(in, System.out, 4096, false);
// 关闭输入流
IOUtils.closeStream(in);
}
}
查看Hadoop 文件:
[hadoop@centos01 sbin]$ hadoop dfs -ls -R /
WARNING: Use of this script to execute dfs is deprecated.
WARNING: Attempting to execute replacement "hdfs dfs" instead.
drwxr-xr-x - hadoop supergroup 0 2021-07-10 08:58 /input
-rw-r--r-- 2 hadoop supergroup 83 2021-07-10 08:58 /input/wc.txt
drwx------ - hadoop supergroup 0 2021-07-10 08:38 /tmp
drwx------ - hadoop supergroup 0 2021-07-10 08:38 /tmp/hadoop-yarn
drwx------ - hadoop supergroup 0 2021-07-10 08:38 /tmp/hadoop-yarn/staging
drwx------ - hadoop supergroup 0 2021-07-10 08:38 /tmp/hadoop-yarn/staging/hadoo
drwx------ - hadoop supergroup 0 2021-07-10 08:49 /tmp/hadoop-yarn/staging/hadoo
[hadoop@centos01 sbin]$ hadoop -v
运行
运行该文件,报这样的错误:java.io.FileNotFoundException: HADOOP_HOME and hadoop.home.dir are unset
本地远程连接 Hadoop 集群异常,日志如下:
22:27:56.703 [main] DEBUG org.apache.hadoop.util.Shell - Failed to detect a valid hadoop home directory
java.io.FileNotFoundException: HADOOP_HOME and hadoop.home.dir are unset.
at org.apache.hadoop.util.Shell.checkHadoopHomeInner(Shell.java:448)
at org.apache.hadoop.util.Shell.checkHadoopHome(Shell.java:419)
at org.apache.hadoop.util.Shell.<clinit>(Shell.java:496)
日志描述内容很清楚,没有设置 HADOOP_HOME 和 hadoop.home.dir 两项。这两项主要是干嘛的呢?是配置在本地环境变量中的 Hadoop 地址,那么需要下载Windows版本的Hadoop来设置么?如果是远程连接Linux上的Hadoop集群,则完全不需要再下载安装Windows版本的Hadoop!!!
本地远程连接Hadoop系统时需要在本地配置相关的Hadoop变量,主要包括hadoop.dll 与 winutils.exe 等。
winutils:由于hadoop主要基于linux编写,winutil.exe主要用于模拟linux下的目录环境。当Hadoop在windows下运行或调用远程Hadoop集群的时候,需要该辅助程序才能运行。winutils是Windows中的二进制文件,适用于不同版本的Hadoop系统并构建在Windows VM上,该VM用以在Windows系统中测试Hadoop相关的应用程序。
解决方法
了解到原因之后,可以根据安装Hadoop集群的版本,下载相应的winutils。
下载地址:https://github.com/stevelough...
注:若无相同的版本,可选择就近的版本下载使用。如集群中使用的版本是2.8.5,可以下载使用2.8.3的版本文件。
将环境变量%HADOOP_HOME%
设置为指向包含WINUTILS.EXE
的BIN
目录上方的目录。即:
- 新增系统变量
- 复制2.8.3文件夹中的bin文件夹,存放地址如下:
- 重启idea后重生,问题解决。
注:不需要下载安装windows版本的Hadoop,只需要引入winutils.exe即可。
重新启动后,上边的问题解决了,又出现了这样的问题:Wrong FS: hdfs:/input/wc.txt, expected: file:///
详细错误信息:
23:51:26.466 [main] DEBUG org.apache.hadoop.fs.FileSystem - FS for file is class org.apache.hadoop.fs.LocalFileSystem
Exception in thread "main" java.lang.IllegalArgumentException: Wrong FS: hdfs:/input/wc.txt, expected: file:///
at org.apache.hadoop.fs.FileSystem.checkPath(FileSystem.java:730)
解决方案:
hadoop需要把集群上的 core-site.xml
和 hdfs-site.xml
放到当前工程下。
1)hdfs-site.xml
2)core-site.xml
3)mapred-site.xml
上面三个文件,都是你linux环境安装hadoop 的配置的xml 文件, 把hadoop集群上的core-site.xml和hdfs-site.xml放到工程的src目录下 /resource
下
然后再执行该文件,可以看到 java 调用 Hadoop api 成功了 ^_^
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。