视频资料来源于尚硅谷
HDFS（上）目录
第1章·HDFS概述
1.1 HDFS产出背景及定义
1.2·HDFS优缺点
1.3·HDFS 组成架构
1.4 HDFS 文件块太小（面试重点）
第2章·HDFS的Shell操作（开发重点）
第3章·HDFS客户端操作（开发重点）
3.1·HDFS 客户端环境准备
3.2·HDFS的API操作。
3.2.1HDFS文件上传（测试参数优先级）
3.2.2·HDFS文件下载
3.2.3·HDFS文件夹删除。
3.2.4-HDFS文件名更改。
3.2.5HDFS文件详情查看
3.2.6·HDFS文件和文件夹判断。
API操作笔记完整代码
3.3·HDFS的I/O流操作（扩展）
3.3.1HDFS文件上传
3.3.2HDFS文件下载
3.3.3·定位文件读取。
第4章·HDFS的数据流（面试重点）。
4.1·HDFS 写数据流程
4.1.1.剖析文件写入
4.1.2.网络拓扑-节点距离计算
4.1.3·机架感知（副本存储节点选择）
4.2·HDFS 读数据流程
第1章 HDFS概述
1.1 HDFS产出背景及定义
HDFS产生背景
随着数据量越来越大，在一个操作系统存不下所有的数据，那么就分配到更多的操作系统管理的磁盘中，但是不方便管理和维护，迫切需要一种系统来管理多台机器上的文件，这就是分布式文件管理系统。HDFS只是分布式文件管理系统中的一种。
1.2HDFS定义
HDFS（Hadoop Distributed File System），它是一个文件系统，用于存储文件，通过目录树来定位文件；其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色。
HDFS的使用场景：适合一次写入，多次读出的场累，且不支持文件的修改。适合用来做数据分析，并不适合用来做网盘应用。
HDFS优缺点
1.3 HDFS组成架构
1）NameNode（nn）：就是Master，它是一个主管、管理者。
（1）管理HDFS的名称空间；
（2）配置副本策略；
（3）管理数据块（Block）映射信息；
（4）处理客户端读写请求。
2）DataNode：就是Slave。NameN ode下达命令，DataNode执行实际的操作。
（1）存储实际的数据块；
（2）执行数据块的读/写操作。
3）Client：就是客户端。
（1）文件切分。文件上传IDFS的时候，Client将文件切分成一个一个的Block，然后进行上传；
（2）与NameNode交互，取文件的位置信息；
（3）与DataNode交互，读取或者写入数据；
（4）Client是供一些命令来管理HDFS，比如Narme Node格式化；
（5）Client可以通过一些命令来访可HDFS，比如对HDFS增删查改操作；
4）Secondary NameNode：并非NameNode的热备。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。
（1）辅助NarmeNode，分担其工作量，比如定期合并Fsirmage和Edits，并推送给NameNode；
（2）在紧急情况下，可辅助恢复NameNode。
1.4 HDFS文件块大小（面试重点）
HDFS中的文件在物理上是分块存储（Block），块的大小可以通过配置参数（dfs.blocksize）来规定，默认大小在Hadoop2.x版本中是128M，老版本中是64M。
思考：为什么块的大小不能设置太小，也不能设置太大？
（1）HDFS的块设置太小，会增加寻址时间，程序一直在找块的开始位置；
（2）如果块设置的太大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。导致程序在处理这块数据时，会非常慢。
总结：HDFS块的大小设置主要取决于磁盘传输速率。
第2章 HDFS的Shell操作（开发重点）
1．基本语法
bin/hadoop fs 具体命令 OR bin/hdfs dfs 具体命令
dfs是fs的实现类。
2．命令大全
[[email protected] hadoop-2.7.2]$ bin/hadoop fs
[-appendToFile <localsrc> ... <dst>]
[-cat [-ignoreCrc] <src> ...]
[-checksum <src> ...]
[-chgrp [-R] GROUP PATH...]
[-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
[-chown [-R] [OWNER][:[GROUP]] PATH...]
[-copyFromLocal [-f] [-p] <localsrc> ... <dst>]
[-copyToLocal [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-count [-q] <path> ...]
[-cp [-f] [-p] <src> ... <dst>]
[-createSnapshot <snapshotDir> [<snapshotName>]]
[-deleteSnapshot <snapshotDir> <snapshotName>]
[-df [-h] [<path> ...]]
[-du [-s] [-h] <path> ...]
[-expunge]
[-get [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
[-getfacl [-R] <path>]
[-getmerge [-nl] <src> <localdst>]
[-help [cmd ...]]
[-ls [-d] [-h] [-R] [<path> ...]]
[-mkdir [-p] <path> ...]
[-moveFromLocal <localsrc> ... <dst>]
[-moveToLocal <src> <localdst>]
[-mv <src> ... <dst>]
[-put [-f] [-p] <localsrc> ... <dst>]
[-renameSnapshot <snapshotDir> <oldName> <newName>]
[-rm [-f] [-r|-R] [-skipTrash] <src> ...]
[-rmdir [--ignore-fail-on-non-empty] <dir> ...]
[-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
[-setrep [-R] [-w] <rep> <path> ...]
[-stat [format] <path> ...]
[-tail [-f] <file>]
[-test -[defsz] <path>]
[-text [-ignoreCrc] <src> ...]
[-touchz <path> ...]
[-usage [cmd ...]]
3．常用命令实操
（0）启动Hadoop集群（方便后续的测试）
[[email protected] hadoop-2.7.2]$ sbin/start-dfs.sh
[[email protected] hadoop-2.7.2]$ sbin/start-yarn.sh
（1）-help：输出这个命令参数
[[email protected] hadoop-2.7.2]$ hadoop fs -help rm
（2）-ls: 显示目录信息
[[email protected] hadoop-2.7.2]$ hadoop fs -ls /
（3）-mkdir：在HDFS上创建目录（-p表示递归创建文件夹）
[atgui[email protected] hadoop-2.7.2]$ hadoop fs -mkdir -p /sanguo/shuguo
（4）-moveFromLocal：从本地剪切粘贴到HDFS
[[email protected] hadoop-2.7.2]$ touch kongming.txt
[[email protected] hadoop-2.7.2]$ hadoop fs -moveFromLocal ./kongming.txt /sanguo/shuguo
浏览器查看http://hadoop102:50070
（5）-appendToFile：追加一个文件到已经存在的文件末尾
[[email protected] hadoop-2.7.2]$ touch liubei.txt
[[email protected] hadoop-2.7.2]$ vi liubei.txt
输入
san gu mao lu
[[email protected] hadoop-2.7.2]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo/kongming.txt
踩过的坑1：报Failed to replace a bad datanode on the existing pipeline due to no more good datanodes being available to try.异常。
hadoop官网说明错误原因If there is a datanode/network failure in the write pipeline, DFSClient will try to remove the failed datanode from the pipeline and then continue writing with the remaining datanodes. As a result, the number of datanodes in the pipeline is decreased. The feature is to add new datanodes to the pipeline. This is a site-wide property to enable/disable the feature. When the cluster size is extremely small, e.g. 3 nodes or less, cluster administrators may want to set the policy to NEVER in the default configuration file or disable this feature. Otherwise, users may experience an unusually high rate of pipeline failures since it is impossible to find new datanodes for replacement. See also dfs.client.block.write.replace-datanode-on-failure.
解决方法：在hadoop安装目录下etc/Hadoop/hdfs-site.xml中添加配置
<!--解决Failed to replace a bad datanode on the existing pipeline due to no more good datanodes being availa 异常 -->
<property>
<name>dfs.client.block.write.replace-datanode-on-failure.enable</name>
<value>true</value>
</property>
<property>
<name>dfs.client.block.write.replace-datanode-on-failure.policy</name>
<value>NEVER</value>
</property>
踩过的坑2：报appendToFile: Failed to APPEND_FILE /sanguo/shuguo/zgl for DFSClient_NONMAPREDUCE_-94021698_1 on 192.168.1.102 because lease recovery is in progress. Try again later.异常
解决方法：给文件增加写入权限即可
（6）-cat：显示文件内容
[[email protected] hadoop-2.7.2]$ hadoop fs -cat /sanguo/shuguo/kongming.txt
（7）-chgrp 、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限
[[email protected] hadoop-2.7.2]$ hadoop fs -chmod 666 /sanguo/shuguo/kongming.txt
[[email protected] hadoop-2.7.2]$ hadoop fs -chown atguigu:atguigu /sanguo/shuguo/kongming.txt
将文件所属权限改为root
（8）-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -copyFromLocal README.txt /
（9）-copyToLocal：从HDFS拷贝到本地
[[email protected] hadoop-2.7.2]$ hadoop fs -copyToLocal /sanguo/shuguo/kongming.txt ./
（10）-cp ：从HDFS的一个路径拷贝到HDFS的另一个路径
[[email protected] hadoop-2.7.2]$ hadoop fs -cp /sanguo/shuguo/kongming.txt /zhuge.txt
（11）-mv：在HDFS目录中移动文件
[[email protected] hadoop-2.7.2]$ hadoop fs -mv /zhuge.txt /sanguo/shuguo/
（12）-get：等同于copyToLocal，就是从HDFS下载文件到本地
[[email protected] hadoop-2.7.2]$ hadoop fs -get /sanguo/shuguo/kongming.txt ./
（13）-getmerge：合并下载多个文件，比如HDFS的目录 /user/atguigu/test下有多个文件:log.1, log.2,log.3,…
[[email protected] hadoop-2.7.2]$ hadoop fs -getmerge /user/atguigu/test/* ./zaiyiqi.txt
（14）-put：等同于copyFromLocal
[[email protected] hadoop-2.7.2]$ hadoop fs -put ./zaiyiqi.txt /user/atguigu/test/
（15）-tail：显示一个文件的末尾
[[email protected] hadoop-2.7.2]$ hadoop fs -tail /sanguo/shuguo/kongming.txt
（16）-rm：删除文件或文件夹
[[email protected] hadoop-2.7.2]$ hadoop fs -rm /user/atguigu/test/jinlian2.txt
拓展：递归删除文件夹：-rmr命令
[[email protected] wcinput]$ hadoop fs -rmr /java
（17）-rmdir：删除空目录
[[email protected] hadoop-2.7.2]$ hadoop fs -mkdir /test
[[email protected] hadoop-2.7.2]$ hadoop fs -rmdir /test
（18）-du统计文件夹的大小信息
[[email protected] hadoop-2.7.2]$ hadoop fs -du -s -h /user/atguigu/test
2.7 K /user/atguigu/test
[[email protected] hadoop-2.7.2]$ hadoop fs -du -h /user/atguigu/test
1.3 K /user/atguigu/test/README.txt
15 /user/atguigu/test/jinlian.txt
1.4 K /user/atguigu/test/zaiyiqi.txt
（19）-setrep：设置HDFS中文件的副本数量
[[email protected] hadoop-2.7.2]$ hadoop fs -setrep 10 /sanguo/shuguo/kongming.txt
图3-3 HDFS副本数量
这里设置的副本数只是记录在NameNode的元数据中，是否真的会有这么多副本，还得看DataNode的数量。因为目前只有3台设备，最多也就3个副本，只有节点数的增加到10台时，副本数才能达到10。
第3章 HDFS客户端操作（开发重点）
3.1 HDFS客户端环境准备
1．根据自己电脑的操作系统拷贝对应的编译后的hadoop jar包到非中文路径（例如：D:\Develop\hadoop-2.7.2），如图3-4所示。
图3-4 编译后的hadoop jar包
2．配置HADOOP_HOME环境变量，如图3-5所示。
Win10配置方法
图3-5 配置HADOOP_HOME环境变量
3.配置Path环境变量，如图3-6所示。
图3-6 配置Path环境变量
通过cmd命令命令检查安装情况
4．创建一个Maven工程HdfsClientDemo
5．导入相应的依赖坐标+日志添加
<dependencies>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>RELEASE</version>
</dependency>
<dependency>
<groupId>org.apache.logging.log4j</groupId>
<artifactId>log4j-core</artifactId>
<version>2.8.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.7.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.7.2</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-hdfs</artifactId>
<version>2.7.2</version>
</dependency>
<dependency>
<groupId>jdk.tools</groupId>
<artifactId>jdk.tools</artifactId>
<version>1.8</version>
<scope>system</scope>
<systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
</dependency>
</dependencies>
执行导入jar包
注意：如果Eclipse/Idea打印不出日志，在控制台上只显示
1.log4j:WARN No appenders could be found for logger (org.apache.hadoop.util.Shell).
2.log4j:WARN Please initialize the log4j system properly.
3.log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.
需要在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入
log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
6．创建包名：com.atguigu.hdfs
测试代码
public class HDFSClient {
@Test
public void put() throws IOException, InterruptedException {
FileSystem fileSystem = FileSystem.get(URI.create("hdfs://hadoop102:9000"), new Configuration(), "atguigu");
fileSystem.copyFromLocalFile(new Path("D:\\Workspaces\\Java20190715\\hdfs20190817\\src\\main\\java\\Files\\1.txt"),
new Path("/wcoutput"));
fileSystem.close();
System.out.println("测试上传成功");
}
}
7．创建HdfsClient类
public class HdfsClient{
@Test
public void testMkdirs() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
// 配置在集群上运行
// configuration.set("fs.defaultFS", "hdfs://hadoop102:9000");
// FileSystem fs = FileSystem.get(configuration);
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
// 2 创建目录
fs.mkdirs(new Path("/1108/daxian/banzhang"));
// 3 关闭资源
fs.close();
}
}
8．执行程序
运行时需要配置用户名称，如图3-7所示
图3-7 配置用户名称
客户端去操作HDFS时，是有一个用户身份的。默认情况下，HDFS客户端API会从JVM中获取一个参数来作为自己的用户身份：-DHADOOP_USER_NAME=atguigu，atguigu为用户名称。
3.2 HDFS的API操作
3.2.1 HDFS文件上传（测试参数优先级）
1．编写源代码
@Test
public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {
// 1 获取文件系统
Configuration configuration = new Configuration();
configuration.set("dfs.replication", "2");
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
// 2 上传文件
fs.copyFromLocalFile(new Path("e:/banzhang.txt"), new Path("/banzhang.txt"));
// 3 关闭资源
fs.close();
System.out.println("over");
}
2．将hdfs-site.xml拷贝到项目的根目录下
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl" target="_blank" rel="external nofollow" ?>
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
3．参数优先级
参数优先级排序：（1）客户端代码中设置的值 >（2）ClassPath下的用户自定义配置文件 >（3）然后是服务器的默认配置
3.2.2 HDFS文件下载
@Test
public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
// 2 执行下载操作
// boolean delSrc 指是否将原文件删除
// Path src 指要下载的文件路径
// Path dst 指将文件下载到的路径
// boolean useRawLocalFileSystem 是否开启文件校验
fs.copyToLocalFile(false, new Path("/banzhang.txt"), new Path("e:/banhua.txt"), true);
// 3 关闭资源
fs.close();
}
3.2.3 HDFS文件夹删除
@Test
public void testDelete() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
// 2 执行删除
fs.delete(new Path("/0508/"), true);
// 3 关闭资源
fs.close();
}
3.2.4 HDFS文件名更改
@Test
public void testRename() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
// 2 修改文件名称
fs.rename(new Path("/banzhang.txt"), new Path("/banhua.txt"));
// 3 关闭资源
fs.close();
}
3.2.5 HDFS文件详情查看
查看文件名称、权限、长度、块信息
@Test
public void testListFiles() throws IOException, InterruptedException, URISyntaxException{
// 1获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
// 2 获取文件详情
RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
while(listFiles.hasNext()){
LocatedFileStatus status = listFiles.next();
// 输出详情
// 文件名称
System.out.println(status.getPath().getName());
// 长度
System.out.println(status.getLen());
// 权限
System.out.println(status.getPermission());
// 分组
System.out.println(status.getGroup());
// 获取存储的块信息
BlockLocation[] blockLocations = status.getBlockLocations();
for (BlockLocation blockLocation : blockLocations) {
// 获取块存储的主机节点
String[] hosts = blockLocation.getHosts();
for (String host : hosts) {
System.out.println(host);
}
}
System.out.println("-----------班长的分割线----------");
}
// 3 关闭资源
fs.close();
}
3.2.6 HDFS文件和文件夹判断
@Test
public void testListStatus() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件配置信息
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
// 2 判断是文件还是文件夹
FileStatus[] listStatus = fs.listStatus(new Path("/"));
for (FileStatus fileStatus : listStatus) {
// 如果是文件
if (fileStatus.isFile()) {
System.out.println("f:"+fileStatus.getPath().getName());
}else {
System.out.println("d:"+fileStatus.getPath().getName());
}
}
// 3 关闭资源
fs.close();
}
API操作笔记完整代码
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.apache.hadoop.io.IOUtils;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;
import java.io.*;
import java.net.URI;
/**
* @author 黄佳豪
* @create 2019-08-17-17:36
* 注：由于使用@Test单元测试时用本地文件相对路径会出问题，以下全部使用绝对路径
* 使用main方法则不会出现该问题。
*/
public class HdfsClientTest {
static FileSystem fs;
static Configuration configuration;
/**
* 第一步：创建对象
*
* @throws IOException
* @throws InterruptedException
*/
@Before
public void before() throws IOException, InterruptedException {
configuration = new Configuration();
fs = FileSystem.get(URI.create("hdfs://hadoop102:9000"), configuration, "atguigu");
}
/**
* 最后一步：关闭资源
*
* @throws IOException
* @throws InterruptedException
*/
@After
public void after() throws IOException, InterruptedException {
System.out.println("程序执行完毕且没报错，关闭资源");
fs.close();
}
/**
* 测试连接并下载文件，由于只有copyToLocalFile而没有get方法，
* 故用shell操作HDFS时建议使用-copyToLocal代替-get
* @throws IOException
*/
@Test
public void TestConn() throws IOException {
fs.copyToLocalFile(new Path("/sanguo/shuguo/lb"), new Path("hdfs20190817\\src\\main\\java\\Files\\lb.txt"));
}
/**
* 创建目录
* @throws IOException
*/
@Test
public void mkdir() throws IOException {
fs.mkdirs(new Path("/HDFSClientTest"));
}
/**
* 上传文件
* copyFromLocalFile中的src：本地文件路径，dst：Hdfs文件路径
* @throws IOException
*/
@Test
public void copyFromLocal() throws IOException {
fs.copyFromLocalFile(new Path("D:\\Workspaces\\Java20190715\\hdfs20190817\\src\\main\\java\\Files\\1.txt"),
new Path("/HDFSClientTest/copyFromLocalMethod.txt"));
}
/**
* 删除文件
* public abstract boolean delete(Path var1, boolean var2) throws IOException;
* @throws IOException
*/
@Test
public void deleteFile() throws IOException {
fs.delete(new Path("/HDFSClientTest/copyFromLocalMethod.txt"), true);
}
/**
* 文件重命名
* @throws IOException
*/
@Test
public void renameFile() throws IOException {
fs.rename(new Path("/HDFSClientTest/copyFromLocalMethod.txt"), new Path("/HDFSClientTest/renameFileMethod.txt"));
}
/**
* 查看文件信息
* 遍历文件名称、权限、长度、块信息
*
* @throws IOException
*/
@Test
public void listFile() throws IOException {
RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
//遍历文件信息
while (listFiles.hasNext()) {
LocatedFileStatus next = listFiles.next();
//路径名及文件名
String name = next.getPath().getName();
System.out.print(name + "\t");
//文件长度
System.out.print(next.getLen() + "\t");
//权限和分组
System.out.println(next.getPermission() + " Group:" + next.getGroup());
//获取存储块信息并遍历
BlockLocation[] blockLocations = next.getBlockLocations();
for (BlockLocation bk : blockLocations) {
//获取存储主机节点
String[] hosts = bk.getHosts();
for (String host : hosts) {
System.out.println(name + "的主机节点名：" + host);
}
}
}
}
/**
* 判断文件类型是文件还是文件夹（软连接）
*
* @throws IOException
*/
@Test
public void fileType() throws IOException {
FileStatus[] fileStatuses = fs.listStatus(new Path("/"));
//遍历文件
for (FileStatus fst : fileStatuses) {
//如果是文件
if (fst.isFile()) System.out.println(fst.getPath().getName()+"是文件。");
//如果是文件夹或软连接
else System.out.println(fst.getPath().getName()+"是目录或者链接");
}
}
HDFS的IO流操作在下面一节
/**
* 使用IO流上传文件
* public static void copyBytes(
* @NotNull java.io.InputStream in,
* java.io.OutputStream out,
* @NotNull org.apache.hadoop.conf.Configuration conf)
*/
@Test
public void putIO() throws IOException {
//创建IO流对象
FileInputStream fi = new FileInputStream(new File("D:\\Workspaces\\Java20190715\\hdfs20190817\\src\\main\\java\\Files\\1.txt"));
FSDataOutputStream fo = fs.create(new Path("/HDFSClientTest/putIOTest.txt"));
//使用IOUtils进行流对拷
IOUtils.copyBytes(fi, fo, configuration);
//关闭资源
IOUtils.closeStream(fo);
IOUtils.closeStream(fi);
}
/**
* 分块读取HDFS上的大文件,读2第一块
* @throws IOException
*/
@Test
public void readFileSeek1() throws IOException {
//创建输入输出流对象
FSDataInputStream fi = fs.open(new Path("/HDFSClientTest/putIOTest.txt"));
FileOutputStream fo = new FileOutputStream(new File("D:\\Workspaces\\Java20190715\\hdfs20190817\\src\\main\\java\\Files\\FileSeek1.txt"));
//拷贝流
byte[] buf = new byte[1024];
for (int i = 0; i <1024*128; i++) {
fi.read(buf);
fo.write(buf);
}
//关闭资源
IOUtils.closeStream(fo);
IOUtils.closeStream(fi);
}
由于文件过小出现这种情况
/**
* 分块读取HDFS上的大文件,读第二块
*
* @throws IOException
*/
@Test
public void readFileSeek2() throws IOException {
//创建输入输出流对象
FSDataInputStream fi = fs.open(new Path("/HDFSClientTest/putIOTest.txt"));
FileOutputStream fo = new FileOutputStream(new File("D:\\Workspaces\\Java20190715\\hdfs20190817\\src\\main\\java\\Files\\FileSeek2.txt"));
//拷贝流
IOUtils.copyBytes(fi, fo, configuration);
//关闭资源
IOUtils.closeStream(fo);
IOUtils.closeStream(fi);
}
}
3.3 HDFS的I/O流操作（扩展）
上面我们学的API操作HDFS系统都是框架封装好的。那么如果我们想自己实现上述API的操作该怎么实现呢？
我们可以采用IO流的方式实现数据的上传和下载。
3.3.1 HDFS文件上传
1．需求：把本地e盘上的banhua.txt文件上传到HDFS根目录
2．编写代码
@Test
public void putFileToHDFS() throws IOException, InterruptedException, URISyntaxException {
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
// 2 创建输入流
FileInputStream fis = new FileInputStream(new File("e:/banhua.txt"));
// 3 获取输出流
FSDataOutputStream fos = fs.create(new Path("/banhua.txt"));
// 4 流对拷
IOUtils.copyBytes(fis, fos, configuration);
// 5 关闭资源
IOUtils.closeStream(fos);
IOUtils.closeStream(fis);
fs.close();
}
3.3.2 HDFS文件下载
1．需求：从HDFS上下载banhua.txt文件到本地e盘上
2．编写代码
// 文件下载
@Test
public void getFileFromHDFS() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
// 2 获取输入流
FSDataInputStream fis = fs.open(new Path("/banhua.txt"));
// 3 获取输出流
FileOutputStream fos = new FileOutputStream(new File("e:/banhua.txt"));
// 4 流的对拷
IOUtils.copyBytes(fis, fos, configuration);
// 5 关闭资源
IOUtils.closeStream(fos);
IOUtils.closeStream(fis);
fs.close();
}
3.3.3 定位文件读取
1．需求：分块读取HDFS上的大文件，比如根目录下的/hadoop-2.7.2.tar.gz
2．编写代码
（1）下载第一块
@Test
public void readFileSeek1() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
// 2 获取输入流
FSDataInputStream fis = fs.open(new Path("/hadoop-2.7.2.tar.gz"));
// 3 创建输出流
FileOutputStream fos = new FileOutputStream(new File("e:/hadoop-2.7.2.tar.gz.part1"));
// 4 流的拷贝
byte[] buf = new byte[1024];
for(int i =0 ; i < 1024 * 128; i++){
fis.read(buf);
fos.write(buf);
}
// 5关闭资源
IOUtils.closeStream(fis);
IOUtils.closeStream(fos);
fs.close();
}
（2）下载第二块
@Test
public void readFileSeek2() throws IOException, InterruptedException, URISyntaxException{
// 1 获取文件系统
Configuration configuration = new Configuration();
FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:9000"), configuration, "atguigu");
// 2 打开输入流
FSDataInputStream fis = fs.open(new Path("/hadoop-2.7.2.tar.gz"));
// 3 定位输入数据位置
fis.seek(1024*1024*128);
// 4 创建输出流
FileOutputStream fos = new FileOutputStream(new File("e:/hadoop-2.7.2.tar.gz.part2"));
// 5 流的对拷
IOUtils.copyBytes(fis, fos, configuration);
// 6 关闭资源
IOUtils.closeStream(fis);
IOUtils.closeStream(fos);
}
（3）合并文件
在Window命令窗口中进入到目录E:\，然后执行如下命令，对数据进行合并
type hadoop-2.7.2.tar.gz.part2 >> hadoop-2.7.2.tar.gz.part1
合并完成后，将hadoop-2.7.2.tar.gz.part1重新命名为hadoop-2.7.2.tar.gz。解压发现该tar包非常完整。
第4章 HDFS的数据流（面试重点）
4.1 HDFS写数据流程
4.1.1 剖析文件写入
HDFS写数据流程，如图3-8所示。
图3-8 配置用户名称
1）客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。
2）NameNode返回是否可以上传。
3）客户端请求第一个 Block上传到哪几个DataNode服务器上。
4）NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。
5）客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成。
6）dn1、dn2、dn3逐级应答客户端。
7）客户端开始往dn1上传第一个Block（先从磁盘读取数据放到一个本地内存缓存），以Packet为单位，dn1收到一个Packet就会传给dn2，dn2传给dn3；dn1每传一个packet会放入一个应答队列等待应答。
8）当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器。（重复执行3-7步）。
4.1.2 网络拓扑-节点距离计算
在HDFS写数据的过程中，NameNode会选择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？
节点距离：两个节点到达最近的共同祖先的距离总和。
图3-9 网络拓扑概念
例如，假设有数据中心d1机架r1中的节点n1。该节点可以表示为/d1/r1/n1。利用这种标记，这里给出四种距离描述，如图3-9所示。
大家算一算每两个节点之间的距离，如图3-10所示。
图3-10 网络拓扑
4.1.3 机架感知（副本存储节点选择）
1.官方ip地址
机架感知说明
http://hadoop.apache.org/docs/r2.7.2/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html#Data_Replication
For the common case, when the replication factor is three, HDFS’s placement policy is to put one replica on one node in the local rack, another on a different node in the local rack, and the last on a different node in a different rack.
2.Hadoop2.7.2副本节点选择
第一个副本在Client所处的节点上。
如果客户端在集群外，随机选一个。
第二个副本和第一个副本位于相同机架，随机节点。
第三个副本位于不同机架，随机节点。
4.2 HDFS读数据流程
HDFS的读数据流程，如图3-13所示。
图3-13 HDFS读数据流程
1）客户端通过Distributed FileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
2）挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
3）DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以Packet为单位来做校验）。
4）客户端以Packet为单位接收，先在本地缓存，然后写入目标文件。
HDFS（下）详细介绍NameNode、DataNode、HDFS2.x新特性及HDFS HA高可用