关于hadoop:Hadoop之HDFS三HDFS-API操作示例和读写流程

1.HDFS API 示例

1.1 Client API

1）筹备工作
自己习惯应用 Ubuntu，ide 工具则是 idea，如果是 windows 零碎或者 eclipse 自行百度吧，我没有试过。

老套路，创立 Maven 工程，导入依赖

    <dependencies>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
        </dependency>
        <dependency>
            <groupId>org.apache.logging.log4j</groupId>
            <artifactId>log4j-slf4j-impl</artifactId>
            <version>2.12.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client-api</artifactId>
            <version>3.1.3</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client-runtime</artifactId>
            <version>3.1.3</version>
        </dependency>

在 resources 下增加日志配置文件“log4j2.xml”

<?xml version="1.0" encoding="UTF-8"?>
<Configuration status="error" strict="true" name="XMLConfig">
    <Appenders>
        <Appender type="Console" name="STDOUT">

            <Layout type="PatternLayout"
                    pattern="[%p] [%d{yyyy-MM-dd HH:mm:ss}][%c{10}]%m%n" />
        </Appender>

    </Appenders>

    <Loggers>
        <Logger name="test" level="info" additivity="false">
            <AppenderRef ref="STDOUT" />
        </Logger>

        <Root level="info">
            <AppenderRef ref="STDOUT" />
        </Root>
    </Loggers>
</Configuration>

2）在 src/main/java 下创立包 cn.leaf。能够随便，之后创立类 HdfsClient，客户端的应用大抵如下

    public void hdClient() throws IOException, InterruptedException {
        // 取得一个客户端对象
        URI uri = URI.create("hdfs://hadoop10:9820");
        Configuration conf = new Configuration();
        String user = "v2admin";
        FileSystem fs = FileSystem.get(uri,conf,user);
        // TODO 执行操作
        
        // 敞开资源
        fs.close();}

1.2 上传文件示例代码

    public static void main(String[] args) throws IOException, InterruptedException {
        // 取得一个客户端对象
        URI uri = URI.create("hdfs://hadoop10:9820");
        Configuration conf = new Configuration();
        String user = "v2admin";
        FileSystem fs = FileSystem.get(uri,conf,user);
        // TODO 执行操作
        Path upsrc = new Path("/home/zhaow/ 桌面 /Shell/passwd.txt");
        Path updst = new Path("/home");
        upFile(fs,upsrc,updst);
        
        // 敞开资源
        fs.close();}

    /**
     * 上传文件
     * @param fs Client 对象
     * @param src 待上传文件
     * @param dst hdfs 门路
     */
    public static void upFile(FileSystem fs, Path src, Path dst){
        try {fs.copyFromLocalFile(src, dst);
        } catch (IOException e) {e.printStackTrace();
        }
    }

1.3 下载文件示例代码

    /**
     * 下载文件
     * @param fs 客户端对象
     * @param src 待下载的文件门路，也就是 HDFS 上的文件门路
     * @param dst 指标门路
     */

    public static void downFile(FileSystem fs, Path src, Path dst){
        try {fs.copyToLocalFile(false,src,dst);
        } catch (IOException e) {e.printStackTrace();
        }
    }

2 读写流程

2.1 写文件流程

通过代码实现了文件上传，那么这两头 HDFS 是怎么实现文件的写入的呢？
流程如下图所示:

途中蕴含以下角色
Client、Distributed FileSystem、FSData InputStream、NameNode、DataNode，除了 Distributed FileSystem、FSData InputStream 两个角色外，其余曾经在之前说过。

Distributed FileSystem，翻译过去就是分布式文件系统。
FSDataOutputStream 就是一个输入流对象。

1）Client 向 HDFS 写数据的时，文件是分块存储在 HDFS 的各个 DataNode 节点上，而存储地位的是 NameNode 规定的，所以 Client 在上传文件时须要先和 NameNode 进行交互。

Client 首先调用 Distributed FileSystem 的 create 办法，而后近程调用 NameNodeNode 的 create()。
NameNode 的查看是否已存在文件、查看权限。若通过查看，间接先将操作写入 Edits 文件 Client，返回 FSDataOutputStream。

2）Client 开始切分文件，申请上传，而后从 NameNode 获取上传到的 DataNode 节点信息，假设是 d1，d2,d3 三个节点。

3）client 通过 FSDataOutputStream 对象调用 write()写数据，具体流程如下：
申请 dn1 上传数据，d1 收到申请会持续调用 d2，而后 d2 调用 d3，实现传输通道的建设。

4）client 向 d1 上传第一个 block（从磁盘读取数据先放到一个本地内存缓存），以 Packet 为单位，d1 收到一个 Packet 就会传给 d2，d2 传给 d3；d1 每传一个 packet 会放入一个应答队列期待应答。
5）当实现整个文件的写入后，执行 FSDataOutputStream 的 close()办法，同时告知 NameNode 我实现了文件写入操作。

2.2 读文件流程

同样 client 通过 Distributed FileSystem 向 NameNode 申请下载文件，NameNode 查问元数据失去下载文件所在的 DataNode 节点信息。
存储该文件的节点有很多，会优先选择一个最近的节点，发动申请。
DataNode 开始传输数据给客户端。
Client 以 Packet 为单位接管，先在本地缓存，而后写入指标文件。