读书笔记2：Hadoop组件-（1）HDFS的文件操作

zhuce

1，HDFS文件操作
HDFS是一种文件系统，是专门为MapReduce这类框架下的大规模分布式数据处理而设计的。
文件命令的格式：hadoop fs -cmd <args>

URI:scheme://authority/path scheme类似于一个协议，可以是file或者hdfs authority是NameNode的主机名 path是文件或者目录的路径 hdfs://localhost:9000/user/chuck/example.txt在本机的9000端口上以标准伪分布式模型运行HDFS 可以使用cat命令查看文件内容： Hadoop fs -cat hdfs://localhost:9000/user/chuck/example.t

·添加文件和目录
HDFS有一个默认的工作目录user/$USER    (USER是你登录的用户名)
但是这个默认的工作目录需要我们手工建立
hadoop fs -mkdir /user/yourusername(hadoop的mkdir命令自动创建父目录)
查看当前目录或当前目录下的文件：
hadoop fs -ls /       (会显示根目录下的/user的信息)
查看当前目录或当前目录下的文件以及所有子目录、子文件：
hadoop fs -lsr/       (会显示所有的文件和子目录的信息)
将本地文件example.txt复制到HDFS文件系统中：
hadoop fs -put example.txt  .(注意：命令最后的.表示默认放到工作目录)
hadoop fs -put example.txt /user/yourusername    (与上一条命令等价)
·检索文件
将HDFS文件系统中的文件复制到本地的当前工作目录下：
hadoop fs -get example.txt  . 
管道的使用：
hadoop fs -cat example.txt | head
查看文件的最后一千个字节：
hadoop fs -tail example.txt
·删除文件
hadoop fs -rm example.txt      (rm命令还可以用于删除空目录)
·查阅帮助
获取hadoop版本中的命令列表
hadoop fs
查看命令的详细信息：
hadoop fs -help ls
2，编程读写HDFS
例如我们要使用hadoop来操作Apache的日志文件，由于hadoop处理单个大文件相对于处理多个小文件的效率要高，所以我们考虑在将文件向HDFS复制的过程中将其合并，但是hadoop的命令中只有getmerge（把一组HDFS文件复制到本地计算机之前进行合并）    这正好与我们要的反过来，所以我们还是得使用Hadoop API自己编写了：
代码剖析：

Configuration conf = new Configuration();//Configuration 用于保留键/值配置参数的特殊类 FileSystem hdfs = FileSystem.get(conf); FileSystem local = FileSystem.getLocal(conf);//专用于本地的文件系统的FileSystem对象 Path inputDir = new Path(args[]);//Path用于编制文件和目录名 FileStatus[] inputFiles = local.listStatus(inputDir);//FileStatus存储文件和目录的元数据,listStatus(dir)获取dir目录下的文件列表 FSDataInputStream in = loacl.open(inputFiles.getPath());//FSDataInputStream用于访问Path，读取文件 byte buffer[] = new byte[256]; int bytesRead = 0; while((bytesRead = in.read(buffer))>0) { } in.close(); /*将数据写入HDFS Path hdfsFile = new Path(args[]); FSDataOutputStream out = hdfs.create(hdfsFile);//FSDataOutputStream用于将数据写入HDFS out.write(buffer,0,bytesRead); out.close(); */

程序PutMerge.java

public class PutMerge { public static void main(String args[]) { String inputString = "";//输入目录 String outputString = "";//输出目录 Configuration conf = new Configuration(); FileSystem hdfs = FileSystem.get(conf); FileSystem local = FileSystem.getLocal(conf); //设定输入目录和输出目录 Path inputDir = new Path(inputString); Path hdfsFile = new Path(outputString) try{ FileStatus[] inputFiles = local.listStatus(inputDir);//得到本地文件列表 FSDataOutputStream out = hdfs.create(hdfsFile);//生成HDFS输出流 for(int i = 0;i<inputFiles.length;i++) { System.out.println(inputFiles.getPath().getName()); FSDataInputStream in = loacl.open(inputFiles.getPath());//打开本地输入流 byte buffer[] = new byte[256]; int bytesRead = 0; while((bytesRead = in.read(buffer))>0) { out.write(buffer,0,bytesRead); } in.close(); } out.close(); }catch(Exception e) { e.printStackTrace(); } } }