vlambda博客
学习文章列表

上次介绍了HDFS的简单操作，今天进入HDFS中的Java和Python的API操作，后面可能介绍Scala的相关的。

在讲Java API之前介绍一下使用的IDE——IntelliJ IDEA ，我本人使用的是2020.3 x64的社区版本。

Java API

创建maven工程，关于Maven的配置，在IDEA中，Maven下载源必须配置成阿里云。

在对应的D:\apache-maven-3.8.1-bin\apache-maven-3.8.1\conf\settings.xml需要设置阿里云的下载源。

下面创建maven工程，添加常见的依赖

添加hadoop-client依赖，版本最好和hadoop指定的一致，并添加junit单元测试依赖。

<dependencies>
  <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-common</artifactId>
        <version>3.1.4</version>
  </dependency>
  <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-hdfs</artifactId>
        <version>3.1.4</version>
  </dependency>
  <dependency>
      <groupId>org.apache.hadoop</groupId>
      <artifactId>hadoop-client</artifactId>
      <version>3.1.4</version>
  </dependency>
  <dependency>
      <groupId>junit</groupId>
      <artifactId>junit</artifactId>
      <version>4.11</version>
  </dependency>
</dependencies>

HDFS文件上传

在这里编写测试类即可，新建一个java文件：main.java

这里的FileSyste一开始是本地的文件系统，需要初始化为HDFS的文件系统

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.Test;
import java.net.URI;
public class main {

    @Test
    public void testPut() throws Exception {
        //   获取FileSystem类的方法有很多种，这里只写一种(比较常用的是使URI)
        Configuration configuration = new Configuration();
        // user是Hadoop集群的账号，连接端口默认9000
        FileSystem fileSystem = FileSystem.get(
                new URI("hdfs://192.168.147.128:9000"),
                configuration,
                "hadoop");
        // 将f:/stopword.txt 上传到 /user/stopword.txt
        fileSystem.copyFromLocalFile(
                new Path("f:/stopword.txt"), new Path("/user/stopword.txt"));
        fileSystem.close();
    }
}

在对应的HDFS中，就会看见我刚刚上传的机器学习相关的停用词。

HDFS文件下载

由于每次都需要初始化FileSystem，比较懒的我直接使用@Before每次加载。

HDFS文件下载的API接口是copyToLocalFile，具体代码如下。

@Test
public void testDownload() throws Exception {
    Configuration configuration = new Configuration();
    FileSystem fileSystem = FileSystem.get(
            new URI("hdfs://192.168.147.128:9000"),
            configuration,
            "hadoop");
    fileSystem.copyToLocalFile(
            false,
            new Path("/user/stopword.txt"),
            new Path("stop.txt"),
            true);
    fileSystem.close();
    System.out.println("over");
}

Python API

下面主要介绍hdfs，参考：https://hdfscli.readthedocs.io/

我们通过命令pip install hdfs安装hdfs库，在使用hdfs前，使用命令hadoop fs -chmod -R 777 / 对当前目录及目录下所有的文件赋予可读可写可执行权限。

>>> from hdfs.client import Client
>>> #2.X版本port 使用50070  3.x版本port 使用9870
>>> client = Client('http://192.168.147.128:9870')  
>>> client.list('/')   #查看hdfs /下的目录
['hadoop-3.1.4.tar.gz']
>>> client.makedirs('/test')
>>> client.list('/')
['hadoop-3.1.4.tar.gz', 'test']
>>> client.delete("/test")
True
>>> client.download('/hadoop-3.1.4.tar.gz','C:\\Users\\YIUYE\\Desktop')
'C:\\Users\\YIUYE\\Desktop\\hadoop-3.1.4.tar.gz'
>>> client.upload('/','C:\\Users\\YIUYE\\Desktop\\demo.txt')
>>> client.list('/')
'/demo.txt'
>>> client.list('/')
['demo.txt', 'hadoop-3.1.4.tar.gz']
>>> # 上传demo.txt 内容：Hello \n hdfs
>>> with client.read("/demo.txt") as reader:
...          print(reader.read())
b'Hello \r\nhdfs\r\n'

相对于Java API，Python API连接实在简单。