hadoop生態系統學習之路（三）java實現上傳文件（本地或ftp）至hdfs

在上一篇博文中，我們講了如何編寫、運行、測試一個MR，但是hdfs上的文件是手動執行命令從本地linux上傳至hdfs的。在真實的運行環境中，我們不可能每次手動執行命令上傳的，這樣太過繁瑣。那麼，我們可以使用hdfs提供的java api實現文件上傳至hdfs，或者直接從ftp上傳至hdfs。
然而，需要說明一點，在上一篇博文中，筆者是要運行MR，都需要每次手動執行yarn jar，在實際的環境中也不可能每次手動執行。像我們公司是使用了索答的調度平臺/任務監控平臺，可以定時的以工作流執行我們的程序，包括普通java程序和MR。其實，這個調度平臺就是使用了quartz，記得筆者在之前的博文中也講過大致的使用。當然，這個調度平臺也提供其它的一些功能，比如web展示、日誌查看等，所以也不是免費的。
首先，給大家簡單介紹一下hdfs。hdfs是以流式數據訪問模式來存儲超大文件，hdfs的構建思路是一次寫入，多次讀取，這樣纔是最高效的訪問模式。hdfs是爲高數據吞吐量應用優化的，所以會以提高時間延遲爲代價。對於低延時的訪問需求，我們可以使用hbase，這個會在後面的博文中進行介紹。
然後，還要知道hdfs中塊（block）的概念，默認爲64MB。塊是hdfs的數據讀寫的最小單位，通常每個map任務一次只處理一個block，像我們對集羣性能評估就會使用到這個概念，比如目前有多少節點，每個節點的磁盤空間、cpu以及所要處理的數據量、網絡帶寬，通過這些信息來進行性能評估。我們可以使用hadoop fsck / -files -blocks列出文件系統中各個文件由哪些塊構成。
然後，再就是要知道namenode和datanode，這個在之前的博文已經介紹過，下面看看cm環境中hdfs的管理者（namenode）和工作者（datanode），如下

在yarn環境中是可以有多個nameNode的。此環境中沒有SecondaryNameNode，當然也可以有。
好了，關於hdfs的基本概念就講到這兒了，下面來看看具體的代碼。

一、java實現上傳本地文件至hdfs

這裏，可以直接使用hdfs提供的java api即可實現，代碼如下：

package org.qiyongkang.hdfs.local;

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


/**
 * ClassName:UploadLocalFileToHdfs <br/>
 * Function: 本地文件上傳至hdfs. <br/>
 * Date:     2016年3月28日 下午10:06:05 <br/>
 * @author   qiyongkang
 * @version  
 * @since    JDK 1.6
 * @see      
 */
public class UploadLocalFileToHdfs {

    public static void main(String[] args) {
        Configuration conf = new Configuration();
        String localDir = "/home/qiyongkang";
        String hdfsDir = "/qiyongkang";
        try{
            Path localPath = new Path(localDir);
            Path hdfsPath = new Path(hdfsDir);
            FileSystem hdfs = FileSystem.get(conf);
            hdfs.copyFromLocalFile(localPath, hdfsPath);
        }catch(Exception e){
            e.printStackTrace();
        }
    }
}

注意，這裏hdfs上傳目錄如果不存在的話，hdfs會自動創建，比較智能。
打完包後，上傳至服務器，執行yarn jar mr-demo-0.0.1-SNAPSHOT-jar-with-dependencies.jar，然後執行hadoop fs -ls /qiyongkang便可看到：

二、java實現上傳ftp上的文件至hdfs

首先，我們得準備一個ftp服務器，關於ftp服務器的搭建，大家可以查閱資料，筆者就不贅述了。
其實，從ftp上拉取文件上傳到hdfs上，這個過程大家不要想複雜了，我們講本地文件上傳到hdfs，其實就是採用流的方式。因此，我們可以直接讀取ftp上的文件流，然後以流的方式寫入到hdfs。
下面，直接貼出代碼：

package org.qiyongkang.hdfs.ftp;

import java.io.InputStream;

import org.apache.commons.net.ftp.FTP;
import org.apache.commons.net.ftp.FTPClient;
import org.apache.commons.net.ftp.FTPFile;
import org.apache.commons.net.ftp.FTPReply;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;

/**
 * ClassName:UploadFtpFileToHdfs <br/>
 * Function: TODO ADD FUNCTION. <br/>
 * Reason: TODO ADD REASON. <br/>
 * Date: 2016年3月28日 下午10:50:37 <br/>
 * 
 * @author qiyongkang
 * @version
 * @since JDK 1.6
 * @see
 */
public class UploadFtpFileToHdfs {
    public static void main(String[] args) {
        Configuration conf = new Configuration();
        loadFromFtpToHdfs("172.31.26.200", "qiyongkang", "qyk123456", "/www/input/", "/qiyongkang/", conf);
    }

    /**
     * 
     * loadFromFtpToHdfs:將數據從ftp上傳到hdfs上. <br/>
     *
     * @author qiyongkang
     * @param ip
     * @param username
     * @param password
     * @param filePath
     * @param outputPath
     * @param conf
     * @return
     * @since JDK 1.6
     */
    private static boolean loadFromFtpToHdfs(String ip, String username, String password, String filePath,
            String outputPath, Configuration conf) {
        FTPClient ftp = new FTPClient();
        InputStream inputStream = null;
        FSDataOutputStream outputStream = null;
        boolean flag = true;
        try {
            ftp.connect(ip);
            ftp.login(username, password);
            ftp.setFileType(FTP.BINARY_FILE_TYPE);
            ftp.setControlEncoding("UTF-8");
            int reply = ftp.getReplyCode();
            if (!FTPReply.isPositiveCompletion(reply)) {
                ftp.disconnect();
            }
            FTPFile[] files = ftp.listFiles(filePath);
            FileSystem hdfs = FileSystem.get(conf);
            for (FTPFile file : files) {
                if (!(file.getName().equals(".") || file.getName().equals(".."))) {
                    inputStream = ftp.retrieveFileStream(filePath + file.getName());
                    outputStream = hdfs.create(new Path(outputPath + file.getName()));
                    IOUtils.copyBytes(inputStream, outputStream, conf, false);
                    if (inputStream != null) {
                        inputStream.close();
                        ftp.completePendingCommand();
                    }
                }
            }
            ftp.disconnect();
        } catch (Exception e) {
            flag = false;
            e.printStackTrace();
        }
        return flag;
    }
}

然後同樣打包上傳後執行yarn jar mr-demo-0.0.1-SNAPSHOT-jar-with-dependencies.jar，便可看到：

好了，關於hdfs的文件上傳就講到這兒了，希望給大家提供點幫助。