過"FileSystem.create(Path f)"可在HDFS上創建文件,其中f爲文件的完整路徑。
- package com.hebut.file;
- import org.apache.hadoop.conf.Configuration;
-
- import org.apache.hadoop.fs.FSDataOutputStream;
-
- import org.apache.hadoop.fs.FileSystem;
-
- import org.apache.hadoop.fs.Path;
- publicclassCreateFile {
-
- publicstaticvoidmain(String[] args) throws Exception {
-
- Configuration conf=newConfiguration();
-
- FileSystem hdfs=FileSystem.get(conf);
-
- byte[] buff="hello hadoop world!\n".getBytes();
- Path dfs=newPath("/test");
- FSDataOutputStream outputStream=hdfs.create(dfs);
-
- outputStream.write(buff,0,buff.length);
- }
-
- }
1)項目瀏覽器
圖1-2-1 運行結果(1)
2)SecureCRT結果
圖1-2-2 運行結果(2)
通過"FileSystem.mkdirs(Path f)"可在HDFS上創建文件夾,其中f爲文件夾的完整路徑。具體實現如下:
- package com.hebut.dir;
-
-
-
- import org.apache.hadoop.conf.Configuration;
-
- import org.apache.hadoop.fs.FileSystem;
-
- import org.apache.hadoop.fs.Path;
-
-
-
- publicclassCreateDir {
-
-
-
- publicstaticvoidmain(String[] args) throws Exception{
-
- Configuration conf=newConfiguration();
-
- FileSystem hdfs=FileSystem.get(conf);
-
-
-
- Path dfs=newPath("/TestDir");
-
-
-
- hdfs.mkdirs(dfs);
-
-
-
- }
-
- }
1)項目瀏覽器
圖1-3-1 運行結果(1)
2)SecureCRT結果
圖1-3-2 運行結果(2)
3 重命名HDFS文件
通過"FileSystem.rename(Path src,Path dst)"可爲指定的HDFS文件重命名,其中src和dst均爲文件的完整路徑。具體實現如下:
- package com.hebut.file;
-
-
-
- import org.apache.hadoop.conf.Configuration;
-
- import org.apache.hadoop.fs.FileSystem;
-
- import org.apache.hadoop.fs.Path;
-
-
-
- publicclassRename{
-
- publicstaticvoidmain(String[] args) throws Exception {
-
- Configuration conf=newConfiguration();
-
- FileSystem hdfs=FileSystem.get(conf);
-
-
-
- Path frpaht=newPath("/test"); //舊的文件名
-
- Path topath=newPath("/test1"); //新的文件名
-
-
-
- boolean isRename=hdfs.rename(frpaht, topath);
-
-
-
- String result=isRename?"成功":"失敗";
-
- System.out.println("文件重命名結果爲:"+result);
-
-
-
- }
-
- }
1)項目瀏覽器
圖1-4-1 運行結果(1)
2)SecureCRT結果
圖1-4-2 運行結果(2)
4 刪除HDFS上的文件
通過"FileSystem.delete(Path f,Boolean recursive)"可刪除指定的HDFS文件,其中f爲需要刪除文件的完整路徑,recuresive用來確定是否進行遞歸刪除。具體實現如下:
- package com.hebut.file;
-
-
-
- import org.apache.hadoop.conf.Configuration;
-
- import org.apache.hadoop.fs.FileSystem;
-
- import org.apache.hadoop.fs.Path;
-
- publicclassDeleteFile {
-
- publicstaticvoidmain(String[] args) throws Exception {
-
- Configuration conf=newConfiguration();
-
- FileSystem hdfs=FileSystem.get(conf);
- Path delef=newPath("/test1");
1)控制檯結果
圖1-5-1 運行結果(1)
2)項目瀏覽器
圖6-5-2 運行結果(2)
5 刪除HDFS上的目錄
同刪除文件代碼一樣,只是換成刪除目錄路徑即可,如果目錄下有文件,要進行遞歸刪除。
6 查看某個HDFS文件是否存在
通過"FileSystem.exists(Path f)"可查看指定HDFS文件是否存在,其中f爲文件的完整路徑。具體實現如下:
- package com.hebut.file;
-
-
-
- import org.apache.hadoop.conf.Configuration;
-
- import org.apache.hadoop.fs.FileSystem;
-
- import org.apache.hadoop.fs.Path;
-
-
-
- publicclassCheckFile {
-
- publicstaticvoidmain(String[] args) throws Exception {
-
- Configuration conf=newConfiguration();
-
- FileSystem hdfs=FileSystem.get(conf);
-
- Path findf=newPath("/test1");
-
- boolean isExists=hdfs.exists(findf);
-
- System.out.println("Exist?"+isExists);
-
- }
-
- }
圖1-7-1 運行結果(1)
2)項目瀏覽器
圖6-7-2 運行結果(2)
7 查看HDFS文件的最後修改時間
通過"FileSystem.getModificationTime()"可查看指定HDFS文件的修改時間。具體實現如下:
- package com.hebut.file;
- import org.apache.hadoop.conf.Configuration;
-
- import org.apache.hadoop.fs.FileStatus;
-
- import org.apache.hadoop.fs.FileSystem;
-
- import org.apache.hadoop.fs.Path;
- publicclassGetLTime {
- publicstaticvoidmain(String[] args) throws Exception {
- Configuration conf=newConfiguration();
- FileSystem hdfs=FileSystem.get(conf);
- Path fpath =newPath("/user/hadoop/test/file1.txt");
- FileStatus fileStatus=hdfs.getFileStatus(fpath);
- longmodiTime=fileStatus.getModificationTime();
- System.out.println("file1.txt的修改時間是"+modiTime);
- }
- }
運行結果如圖6-8-1所示。
圖1-8-1 控制檯結果
8讀取HDFS某個目錄下的所有文件
通過"FileStatus.getPath()"可查看指定HDFS中某個目錄下所有文件。具體實現如下:
- package com.hebut.file;
- import org.apache.hadoop.conf.Configuration;
- import org.apache.hadoop.fs.FileStatus;
- import org.apache.hadoop.fs.FileSystem;
- import org.apache.hadoop.fs.Path;
運行結果如圖1-9-1和圖1-9-2所示。
1)控制檯結果
2)項目瀏覽器
圖1-9-2 運行結果(2)
9 查找某個文件在HDFS集羣的位置
通過"FileSystem.getFileBlockLocation(FileStatus file,long start,long len)"可查找指定文件在HDFS集羣上的位置,其中file爲文件的完整路徑,start和len來標識查找文件的路徑。具體實現如下:
- package com.hebut.file;
-
-
-
- import org.apache.hadoop.conf.Configuration;
-
- import org.apache.hadoop.fs.BlockLocation;
-
- import org.apache.hadoop.fs.FileStatus;
-
- import org.apache.hadoop.fs.FileSystem;
-
- import org.apache.hadoop.fs.Path;
-
-
-
- publicclassFileLoc {
-
- publicstaticvoidmain(String[] args) throws Exception {
-
- Configuration conf=newConfiguration();
-
- FileSystem hdfs=FileSystem.get(conf);
-
- Path fpath=newPath("/user/hadoop/cygwin");
-
-
-
- FileStatus filestatus = hdfs.getFileStatus(fpath);
-
- BlockLocation[] blkLocations = hdfs.getFileBlockLocations(filestatus, 0, filestatus.getLen());
-
-
-
- intblockLen = blkLocations.length;
-
- for(inti=0;i<blockLen;i++){
-
- String[] hosts = blkLocations[i].getHosts();
-
- System.out.println("block_"+i+"_location:"+hosts[0]);
-
- }
-
- }
-
- }
1)控制檯結果
圖1-10-1 運行結果(1)
2)項目瀏覽器
圖1-10-2 運行結果(2)
10獲取HDFS集羣上所有節點名稱信息
通過"DatanodeInfo.getHostName()"可獲取HDFS集羣上的所有節點名稱。具體實現如下:
- package com.hebut.file;
-
-
-
- import org.apache.hadoop.conf.Configuration;
-
- import org.apache.hadoop.fs.FileSystem;
-
- import org.apache.hadoop.hdfs.DistributedFileSystem;
-
- import org.apache.hadoop.hdfs.protocol.DatanodeInfo;
-
-
-
- publicclassGetList {
-
-
-
- publicstaticvoidmain(String[] args) throws Exception {
-
- Configuration conf=newConfiguration();
-
- FileSystem fs=FileSystem.get(conf);
-
-
-
- DistributedFileSystem hdfs = (DistributedFileSystem)fs;
-
- DatanodeInfo[] dataNodeStats = hdfs.getDataNodeStats();
-
-
-
- for(inti=0;i<dataNodeStats.length;i++){
-
- System.out.println("DataNode_"+i+"_Name:"+dataNodeStats[i].getHostName());
-
- }
-
- }
-
- }
圖6-11-1 控制檯結果
11HDFS的讀寫數據流11.1 文件的讀取剖析
文件讀取的過程如下:
1)解釋一
客戶端(client)用FileSystem的open()函數打開文件。
DistributedFileSystem用RPC調用元數據節點,得到文件的數據塊信息。
對於每一個數據塊,元數據節點返回保存數據塊的數據節點的地址。
DistributedFileSystem返回FSDataInputStream給客戶端,用來讀取數據。
客戶端調用stream的read()函數開始讀取數據。
DFSInputStream連接保存此文件第一個數據塊的最近的數據節點。
Data從數據節點讀到客戶端(client)。
當此數據塊讀取完畢時,DFSInputStream關閉和此數據節點的連接,然後連接此文件下一個數據塊的最近的數據節點。
當客戶端讀取完畢數據的時候,調用FSDataInputStream的close函數。
在讀取數據的過程中,如果客戶端在與數據節點通信出現錯誤,則嘗試連接包含此數據塊的下一個數據節點。
失敗的數據節點將被記錄,以後不再連接。
2)解釋二
使用HDFS提供的客戶端開發庫,向遠程的Namenode發起RPC請求;
Namenode會視情況返回文件的部分或者全部block列表,對於每個block,Namenode都會返回有該block拷貝的datanode地址;
客戶端開發庫會選取離客戶端最接近的datanode來讀取block;
讀取完當前block的數據後,關閉與當前的datanode連接,併爲讀取下一個block尋找最佳的datanode;
當讀完列表的block後,且文件讀取還沒有結束,客戶端開發庫會繼續向Namenode獲取下一批的block列表。
讀取完一個block都會進行checksum驗證,如果讀取datanode時出現錯誤,客戶端會通知Namenode,然後再從下一個擁有該block拷貝的datanode繼續讀。
11.2 文件的寫入剖析
寫入文件的過程比讀取較爲複雜:
客戶端調用create()來創建文件
DistributedFileSystem用RPC調用元數據節點,在文件系統的命名空間中創建一個新的文件。
元數據節點首先確定文件原來不存在,並且客戶端有創建文件的權限,然後創建新文件。
DistributedFileSystem返回DFSOutputStream,客戶端用於寫數據。
客戶端開始寫入數據,DFSOutputStream將數據分成塊,寫入data queue。
Data queue由Data Streamer讀取,並通知元數據節點分配數據節點,用來存儲數據塊(每塊默認複製3塊)。分配的數據節點放在一個pipeline裏。
Data Streamer將數據塊寫入pipeline中的第一個數據節點。第一個數據節點將數據塊發送給第二個數據節點。第二個數據節點將數據發送給第三個數據節點。
DFSOutputStream爲發出去的數據塊保存了ack queue,等待pipeline中的數據節點告知數據已經寫入成功。
如果數據節點在寫入的過程中失敗:
關閉pipeline,將ack queue中的數據塊放入data queue的開始。
當前的數據塊在已經寫入的數據節點中被元數據節點賦予新的標示,則錯誤節點重啓後能夠察覺其數據塊是過時的,會被刪除。
失敗的數據節點從pipeline中移除,另外的數據塊則寫入pipeline中的另外兩個數據節點。
元數據節點則被通知此數據塊是複製塊數不足,將來會再創建第三份備份。
當客戶端結束寫入數據,則調用stream的close函數。此操作將所有的數據塊寫入pipeline中的數據節點,並等待ack queue返回成功。最後通知元數據節點寫入完畢。
2)解釋二
使用HDFS提供的客戶端開發庫,向遠程的Namenode發起RPC請求;
Namenode會檢查要創建的文件是否已經存在,創建者是否有權限進行操作,成功則會爲文件創建一個記錄,否則會讓客戶端拋出異常;
當客戶端開始寫入文件的時候,開發庫會將文件切分成多個packets,並在內部以"data queue"的形式管理這些packets,並向Namenode申請新的blocks,獲取用來存儲replicas的合適的datanodes列表,列表的大小根據在Namenode中對replication的設置而定。
開始以pipeline(管道)的形式將packet寫入所有的replicas中。開發庫把packet以流的方式寫入第一個datanode,該datanode把該packet存儲之後,再將其傳遞給在此pipeline中的下一個datanode,直到最後一個datanode,這種寫數據的方式呈流水線的形式。
最後一個datanode成功存儲之後會返回一個ack packet,在pipeline裏傳遞至客戶端,在客戶端的開發庫內部維護着"ack queue",成功收到datanode返回的ack packet後會從"ack queue"移除相應的packet。
如果傳輸過程中,有某個datanode出現了故障,那麼當前的pipeline會被關閉,出現故障的datanode會從當前的pipeline中移除,剩餘的block會繼續剩下的datanode中繼續以pipeline的形式傳輸,同時Namenode會分配一個新的datanode,保持replicas設定的數量。