从Hadoop URL中读取数据

rgw2qe

要从Hadoop文件系统中读取文件，一个最简单的方法是使用java.net.URL对象来打开一个数据流，从而从中读取数据。一般的格式如下：
1.      InputStream in = null;  
2.  try {  
3.       in = new URL("hdfs://host/path").openStream();
4.       // process in
5.  } finally {  
6.       IOUtils.closeStream(in);
7.  }
这里还需要一点工作来让Java识别Hadoop文件系统的URL 方案，就是通过一个FsUrlStreamHandlerFactory实例来调用在URL中的setURLStreamHandler-Factory方法。这种方法在一个Java虚拟机中只能被调用一次，因此一般都在一个静态块中执行。这个限制意味着如果程序的其他部件(可能是不在你控制中的第三方部件)设置一个URLStreamHandlerFactory，我们便无法再从Hadoop中读取数据。下一节将讨论另一种方法。
例3-1展示了以标准输出显示Hadoop文件系统的文件的程序，它类似于Unix的cat命令。
例3-1：用URLStreamHandler以标准输出格式显示Hadoop文件系统的文件
1.  public class URLCat {  
2.   
3.    static {  
4.      URL.setURLStreamHandlerFactory(new FsUrlStreamHandlerFactory());
5.    }  
6.      
7.    public static void main(String[] args) throws Exception {
8.      InputStream in = null;  
9.      try {  
10.       in = new URL(args[0]).openStream();
11.       IOUtils.copyBytes(in, System.out, 4096, false);
12.     } finally {
13.       IOUtils.closeStream(in);
14.     }  
15.   }  
16. }
我们使用Hadoop中简洁的IOUtils类在finally子句中关闭数据流，同时复制输入流和输出流之间的字节(本例中是System.out)。copyBytes方法的最后两个参数，前者是要复制的缓冲的大小，后者表示复制结束后是否关闭数据流。这里是将输入流关掉了，而System.out不需要关闭。
下面是一个运行示例：
1.      % hadoop URLCat hdfs://localhost/user/tom/quangle.txt
2.  On the top of the Crumpetty Tree
3.  The Quangle Wangle sat,  
4.  But his face you could not see,
5.  On account of his Beaver Hat.