hadoop系列二：HDFS文件系统的命令及JAVA客户端API

奇忠诚

　　转载请在页首明显处注明作者与出处
　　http://www.cnblogs.com/zhuxiaojie/p/6391518.html

一:说明
　　此为大数据系列的一些博文，有空的话会陆续更新，包含大数据的一些内容，如hadoop,spark,storm,机器学习等。
　　当前使用的hadoop版本为2.6.4
　　上一篇:hadoop系列一：hadoop集群安装

二:HDFS的shell命令
　　上一章说完了安装HADOOP集群部分，这一张讲HDFS。
　　其实基本上操作都是通过JAVA API来操作，所以这里的shell命令只是简单介绍一下，实际操作中自然是JAVA API更加方便，功能也更加强大，JAVA API在第三部分。
　　注:这里JAVA API连接的地址，其实就是server1，也就是前面安装namenode的服务器。
　　调用文件系统(FS)Shell命令应使用 bin/hadoop fs <args>的形式。 所有的的FS shell命令使用URI路径作为参数。URI格式是scheme://authority/path。对HDFS文件系统，scheme是hdfs，对本地文件系统，scheme是file。其中scheme和authority参数都是可选的，如果未加指定，就会使用配置中指定的默认scheme。一个HDFS文件或目录比如/parent/child可以表示成hdfs://namenode:namenodeport/parent/child，或者更简单的/parent/child（假设你配置文件中的默认值是namenode:namenodeport）。大多数FS Shell命令的行为和对应的Unix Shell命令类似，不同之处会在下面介绍各命令使用详情时指出。出错信息会输出到stderr，其他信息输出到stdout

2.1:cat
　　使用方法：hadoop fs -cat URI [URI …]
　　将路径指定文件的内容输出到stdout。
　　示例：

• hadoop fs -cat hdfs://host1:port1/file1 hdfs://host2:port2/file2
  
• hadoop fs -cat file:///file3 /user/hadoop/file4
  

　　返回值：
　　成功返回0，失败返回-1。

2.2:chgrp
　　使用方法：hadoop fs -chgrp [-R] GROUP URI [URI …] Change group association of files. With -R, make the change recursively through the directory structure. The user must be the owner of files, or else a super-user. Additional information is in the Permissions User Guide. -->
　　改变文件所属的组。使用-R将使改变在目录结构下递归进行。命令的使用者必须是文件的所有者或者超级用户。更多的信息请参见HDFS权限用户指南。

2.3:chmod
　　使用方法：hadoop fs -chmod [-R] <MODE[,MODE]... | OCTALMODE> URI [URI …]
　　改变文件的权限。使用-R将使改变在目录结构下递归进行。命令的使用者必须是文件的所有者或者超级用户。更多的信息请参见HDFS权限用户指南。

2.4:chown
　　使用方法：hadoop fs -chown [-R] [OWNER][:[GROUP]] URI [URI ]
　　改变文件的拥有者。使用-R将使改变在目录结构下递归进行。命令的使用者必须是超级用户。更多的信息请参见HDFS权限用户指南。

2.5:copyFromLocal
　　使用方法：hadoop fs -copyFromLocal <localsrc> URI
　　除了限定源路径是一个本地文件外，和put命令相似

2.6:copyToLocal
　　使用方法：hadoop fs -copyToLocal [-ignorecrc] [-crc] URI <localdst>
　　除了限定目标路径是一个本地文件外，和get命令类似。

2.7:cp
　　使用方法：hadoop fs -cp URI [URI …] <dest>
　　将文件从源路径复制到目标路径。这个命令允许有多个源路径，此时目标路径必须是一个目录。
　　示例：

• hadoop fs -cp /user/hadoop/file1 /user/hadoop/file2
  
• hadoop fs -cp /user/hadoop/file1 /user/hadoop/file2 /user/hadoop/dir
  

　　返回值：
　　成功返回0，失败返回-1。

2.8:du
　　使用方法：hadoop fs -du URI [URI …]
　　显示目录中所有文件的大小，或者当只指定一个文件时，显示此文件的大小。
　　示例：
　　hadoop fs -du /user/hadoop/dir1 /user/hadoop/file1 hdfs://host:port/user/hadoop/dir1
　　返回值：
　　成功返回0，失败返回-1。

2.9:dus
　　使用方法：hadoop fs -dus <args>
　　显示文件的大小。

2.10:expunge
　　使用方法：hadoop fs -expunge
　　清空回收站。请参考HDFS设计文档以获取更多关于回收站特性的信息。

2.11:get
　　使用方法：hadoop fs -get [-ignorecrc] [-crc] <src> <localdst>
　　复制文件到本地文件系统。可用-ignorecrc选项复制CRC校验失败的文件。使用-crc选项复制文件以及CRC信息。
　　示例：

• hadoop fs -get /user/hadoop/file localfile
  
• hadoop fs -get hdfs://host:port/user/hadoop/file localfile
  

　　返回值：
　　成功返回0，失败返回-1。

2.12:getmerge
　　使用方法：hadoop fs -getmerge <src> <localdst> [addnl]
　　接受一个源目录和一个目标文件作为输入，并且将源目录中所有的文件连接成本地目标文件。addnl是可选的，用于指定在每个文件结尾添加一个换行符。

2.13:ls
　　使用方法：hadoop fs -ls <args>
　　如果是文件，则按照如下格式返回文件信息：
　　文件名 <副本数> 文件大小 修改日期 修改时间 权限 用户ID 组ID
　　如果是目录，则返回它直接子文件的一个列表，就像在Unix中一样。目录返回列表的信息如下：
　　目录名 <dir> 修改日期 修改时间 权限 用户ID 组ID
　　示例：
　　hadoop fs -ls /user/hadoop/file1 /user/hadoop/file2 hdfs://host:port/user/hadoop/dir1 /nonexistentfile
　　返回值：
　　成功返回0，失败返回-1。

2.14:lsr
　　使用方法：hadoop fs -lsr <args>
　　ls命令的递归版本。类似于Unix中的ls -R。

2.15:mkdir
　　使用方法：hadoop fs -mkdir <paths>
　　接受路径指定的uri作为参数，创建这些目录。其行为类似于Unix的mkdir -p，它会创建路径中的各级父目录。
　　示例：

• hadoop fs -mkdir /user/hadoop/dir1 /user/hadoop/dir2
  
• hadoop fs -mkdir hdfs://host1:port1/user/hadoop/dir hdfs://host2:port2/user/hadoop/dir
  

　　返回值：
　　成功返回0，失败返回-1。

2.16:movefromLocal
　　使用方法：dfs -moveFromLocal <src> <dst>
　　输出一个”not implemented“信息。

2.17:mv
　　使用方法：hadoop fs -mv URI [URI …] <dest>
　　将文件从源路径移动到目标路径。这个命令允许有多个源路径，此时目标路径必须是一个目录。不允许在不同的文件系统间移动文件。
　　示例：

• hadoop fs -mv /user/hadoop/file1 /user/hadoop/file2
  
• hadoop fs -mv hdfs://host:port/file1 hdfs://host:port/file2 hdfs://host:port/file3 hdfs://host:port/dir1
  

　　返回值：
　　成功返回0，失败返回-1。

2.18:put
　　使用方法：hadoop fs -put <localsrc> ... <dst>
　　从本地文件系统中复制单个或多个源路径到目标文件系统。也支持从标准输入中读取输入写入目标文件系统。

• hadoop fs -put localfile /user/hadoop/hadoopfile
  
• hadoop fs -put localfile1 localfile2 /user/hadoop/hadoopdir
  
• hadoop fs -put localfile hdfs://host:port/hadoop/hadoopfile
  
• hadoop fs -put - hdfs://host:port/hadoop/hadoopfile　　从标准输入中读取输入。
  
  

　　返回值：
　　成功返回0，失败返回-1。

2.19:rm
　　使用方法：hadoop fs -rm URI [URI …]
　　删除指定的文件。只删除非空目录和文件。请参考rmr命令了解递归删除。
　　示例：

• hadoop fs -rm hdfs://host:port/file /user/hadoop/emptydir
  

　　返回值：
　　成功返回0，失败返回-1。

2.20:rmr
　　使用方法：hadoop fs -rmr URI [URI …]
　　delete的递归版本。
　　示例：

• hadoop fs -rmr /user/hadoop/dir
  
• hadoop fs -rmr hdfs://host:port/user/hadoop/dir
  

　　返回值：
　　成功返回0，失败返回-1。

2.21:setrep
　　使用方法：hadoop fs -setrep [-R] <path>
　　改变一个文件的副本系数。-R选项用于递归改变目录下所有文件的副本系数。
　　示例：

• hadoop fs -setrep -w 3 -R /user/hadoop/dir1
  

　　返回值：
　　成功返回0，失败返回-1。

2.22:stat
　　使用方法：hadoop fs -stat URI [URI …]
　　返回指定路径的统计信息。
　　示例：

• hadoop fs -stat path
  

　　返回值：
　　成功返回0，失败返回-1。

2.23:tail
　　使用方法：hadoop fs -tail [-f] URI
　　将文件尾部1K字节的内容输出到stdout。支持-f选项，行为和Unix中一致。
　　示例：

• hadoop fs -tail pathname
  

　　返回值：
　　成功返回0，失败返回-1。

2.24:test
　　使用方法：hadoop fs -test -[ezd] URI
　　选项：
　　-e 检查文件是否存在。如果存在则返回0。
　　-z 检查文件是否是0字节。如果是则返回0。
　　-d 如果路径是个目录，则返回1，否则返回0。
　　示例：

• hadoop fs -test -e filename
  

2.25:text
　　使用方法：hadoop fs -text <src>
　　将源文件输出为文本格式。允许的格式是zip和TextRecordInputStream。

2.26:touchz
　　使用方法：hadoop fs -touchz URI [URI …]
　　创建一个0字节的空文件。
　　示例：

• hadoop -touchz pathname
  

　　返回值：
　　成功返回0，失败返回-1。

三:JAVA API
　　此部分遇到的问题参见第四章节异常部分
　　本部分的java代码在github中已上传，地址:
　　首先创建一个MAVEN项目，加入如下依赖
　　

<hadoop.version>2.6.4</hadoop.version>　　

　　
<dependency>
　　
<groupId>org.apache.hadoop</groupId>
　　
<artifactId>hadoop-common</artifactId>
　　
<version>${hadoop.version}</version>
　　
</dependency>
　　

　　
<dependency>
　　
<groupId>jdk.tools</groupId>
　　
<artifactId>jdk.tools</artifactId>
　　
<version>1.7</version>
　　
<scope>system</scope>
　　
<systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
　　
</dependency>
　　

　　
<dependency>
　　
<groupId>org.apache.hadoop</groupId>
　　
<artifactId>hadoop-hdfs</artifactId>
　　
<version>${hadoop.version}</version>
　　
</dependency>
　　

　　然后在写一个测试类，先写这样一段代码初始化对象
　　

    @Before　　

public void init() throws IOException, InterruptedException, URISyntaxException{　　
conf
= new Configuration();　　
conf.set(
"fs.defaultFS", "hdfs://192.168.1.4:9000");　　

//拿到操作HDFS的一个实例，并且设置其用户　　
fs = FileSystem.get(new URI("hdfs://192.168.1.4:9000"),conf,"hadoop");
　　
}
　　


3.1:上传文件
　　

    /**　　
* 上传
　　
*
@throws Exception　　

*/　　
@Test
　　

public void upload()throws Exception{　　

//后面的true，是指如果文件存在，则覆盖　　
FSDataOutputStream fout = fs.create(new Path("/xx.jpg"), true);
　　
InputStream in
= new FileInputStream("C:/Users/Administrator/Pictures/1.png");　　

　　

//复制流，并且完成之后关闭流　　
IOUtils.copyBytes(in, fout, 1024,true);
　　
}
　　


3.2:下载文件
　　

    /**　　
* 下载
　　
*
@throws Exception　　

*/　　
@Test
　　

public void download()throws Exception{　　
FSDataInputStream fin
= fs.open(new Path("/xx.jpg"));　　

　　
OutputStream out
= new FileOutputStream("d://axx.jpg");　　

　　
IOUtils.copyBytes(fin, out,
1024,true);　　
}
　　


3.3:读取文件指定的部分
　　

    /**　　
* 在指定位置读写
　　
*
@throws Exception　　

*/　　
@Test
　　

public void random()throws Exception{　　
FSDataInputStream fin
= fs.open(new Path("xx.jpg"));　　

//从12的位置开始读　　
fin.seek(12);
　　

　　
OutputStream out
= new FileOutputStream("d://axx.jpg");　　

　　
IOUtils.copyBytes(fin, out,
1024,true);　　
}
　　


3.4:获取hadoop中的配置属性
　　

    /**　　
* 可以获取hadoop配置
　　
*
@throws Exception　　

*/　　
@Test
　　

public void conf()throws Exception{　　
Iterator
<Entry<String, String>> iterator = conf.iterator();　　

while(iterator.hasNext()){　　
Entry
<String, String> entry = iterator.next();　　
System.out.println(entry);
　　
}
　　
}
　　


3.5:创建文件夹
　　

    /**　　
* 创建文件夹
　　
*
@throws Exception　　

*/　　
@Test
　　

public void mkdir()throws Exception{　　

boolean mkdirs = fs.mkdirs(new Path("/mkdir/a/b"));　　

if(mkdirs){　　
System.out.println(
"创建文件夹成功");　　
}
　　
fs.close();
　　
}
　　


3.6:删除文件与目录
　　

    /**　　
* 删除
　　
*
@throws Exception　　

*/　　
@Test
　　

public void delete()throws Exception{　　

//递归删除　　
boolean delete = fs.delete(new Path("/mkdir/a/b"), true);
　　

if(delete){　　
System.out.println(
"删除成功");　　
}
　　
fs.close();
　　
}
　　


3.7:使用迭代器递归列出所有文件
　　这种迭代器可以列出HDFS的所有文件，而不用担心内存溢出，因为这段代码并不是直接把所有的文件信息封装到对象中，而是一个远程迭代器。
　　

/**　　
* 列出文件，可以递归所有文件，它是一个迭代器，因为客户端无法接收所有文件信息
　　

*/　　
@Test
　　

public void listFile()throws Exception{　　
RemoteIterator
<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);　　

while(listFiles.hasNext()){　　
LocatedFileStatus lfs
= listFiles.next();　　
System.out.println(
"块大小:" + lfs.getBlockSize());　　
System.out.println(
"所属组:" + lfs.getOwner());　　
System.out.println(
"大小:" + lfs.getLen());　　
System.out.println(
"文件名:" + lfs.getPath().getName());　　
System.out.println(
"是否目录:" + lfs.isDirectory());　　
System.out.println(
"是否文件:" + lfs.isFile());　　
System.out.println();
　　
BlockLocation[] blockLocations
= lfs.getBlockLocations();　　

for (BlockLocation blockLocation : blockLocations) {　　
System.out.println(
"块偏移数:" + blockLocation.getOffset());　　
System.out.println(
"块长度:" + blockLocation.getLength());　　
System.out.println(
"块名称:" + Arrays.toString(blockLocation.getNames()));　　
System.out.println(
"块名称:" + Arrays.toString(blockLocation.getHosts()));　　
}
　　
System.out.println(
"--------------------------");　　
}
　　
}
　　


3.8:列出一个目录的所有文件信息，不递归
　　这一段代码是列出一个目录中所有的文件信息，因为它无法递归，所以它的返回结果是一个数组，或者说直接把当前目录的信息返回到了这个数组。
　　

    /**　　
* 列出文件，但是不可以递归，所以可以直接用数组存储，
　　
*
@throws Exception　　

*/　　
@Test
　　

public void listFile2()throws Exception{　　
FileStatus[] listStatus
= fs.listStatus(new Path("/"));　　

for (FileStatus fileStatus : listStatus) {　　
System.out.println(
"块大小:" + fileStatus.getBlockSize());　　
System.out.println(
"所属组:" + fileStatus.getOwner());　　
System.out.println(
"大小:" + fileStatus.getLen());　　
System.out.println(
"文件名:" + fileStatus.getPath().getName());　　
System.out.println(
"是否目录:" + fileStatus.isDirectory());　　
System.out.println(
"是否文件:" + fileStatus.isFile());　　
}
　　
}
　　


四:问题部分

4.1:问题一
　　使用如下API时，报空指针

　　准确的说是这些和HDFS shell一样的api，都会抛出空指针，为什么呢？
　　其实如果看过了上面的JAVA API部分的代码，可以发现，在上面部分我没有写这些方法。首先是其它的方法可以代替，并且功能更加强大，其次这些代码运行比较麻烦。
　　因为这里面实际上就是使用了HDFS的shell，有可能你在HADOOP服务器安装了hadoop，但是在运行这段代码的机器并没有安装，所以会报错。
　　正确的做法是配置HADOOP_HOME的环境变量，而且需要是专门在运行的操作系统上编译的专属版本，不要说LINUX与WINDOWS不一样，就是WINDOWS7和WINDOWS10都可能不一样，所以要经过专门的编译。

4.2:问题二
　　使用java客户端时提示Missing artifact jdk.tools:jdk.tools:jar:1.6，这一段是MAVEN报的错。
　　可以相信，出现这个问题的人，一定没有按照本文相应的引入依赖，hadoop-common中依赖了jdk中的一个包，所以在一开始，就要求了引入如下的jar包，引入后就没事了
　　

    <dependency>　　
<groupId>jdk.tools</groupId>
　　
<artifactId>jdk.tools</artifactId>
　　
<version>1.6</version>
　　
<scope>system</scope>
　　
<systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
　　
</dependency>
　　


4.3:问题三
　　使用java客户报时，抛出异常，没有hdfs协议，它是在这样的一行代码中报错的
　　

FileSystem fs = FileSystem.get(new URI("hdfs://192.168.154.2:9000"), new Configuration());　　

　　抛出的异常如下:
　　

java.io.IOException: No FileSystem for scheme: hdfs　　

　　好了，首先可以肯定，你使用的hadoop版本不是和本文的2.6.4一致，应该是更老的版本。
　　我们看一下源代码

　　通过断点发现，参数中的scheme是hdfs，也就是我参数中的协议，然后拼接后根据一定的映射去查看对应的类实现，如果找不到，则返回null，也就是产生了这样的异常。
　　提示没有hdfs的协议，这是因为在hadoop-commons.jar中，有一个core-default.xml文件并没有配置这个协议，如下是我之前使用的2.2的版本

　　我们找到这个文件所在本地maven仓库的位置，然后用压缩软件打开这个jar包，把这个core-default.xml复制出去，然后编辑，加入这样一段配置
　　

<property>　　
<name>fs.hdfs.impl</name>
　　
<value>org.apache.hadoop.hdfs.DistributedFileSystem</value>
　　
<description>The FileSystem for hdfs: uris.</description>
　　
</property>
　　

　　这样我们就配置了hdfs协议的实现，相应的错误也就不再出现了。
　　下一篇：hadoop系列三:mapreduce的使用