Java创建hdfs文件实例-大数据（hadoop系列）学习-about云开发

10个实例，已经非常全面，而且还讲解了hdfs写入文件和读取文件的内部实现原理。非常好的一篇文章。
除了有一个读取HDFS某个目录下的所有文件的代码不全，其它都很完整。不全的那个我已经补上了。

//读取HDFS某个目录下的所有文件
        Path fpath1 = new Path("/");
        //fs.getPath(fpath1);
        FileStatus[] status = fs.listStatus(fpath1);
        for (FileStatus file : status) {
            System.out.println(file.getPath().getName());
        }

1.创建文件

过”FileSystem.create（Path f）”可在HDFS上创建文件，其中f为文件的完整路径。

运行结果如图1-2-1和图1-2-2所示。

　　1）项目浏览器

　

图1-2-1 运行结果（1）

　　2）SecureCRT结果

　　

图1-2-2 运行结果（2）

2 创建HDFS目录

　　通过”FileSystem.mkdirs（Path f）”可在HDFS上创建文件夹，其中f为文件夹的完整路径。具体实现如下：

运行结果如图6-3-1和图6-3-2所示。

　　1）项目浏览器

图1-3-1 运行结果（1）

　　2）SecureCRT结果

图1-3-2 运行结果（2）

3 重命名HDFS文件

　　通过”FileSystem.rename（Path src，Path dst）”可为指定的HDFS文件重命名，其中src和dst均为文件的完整路径。具体实现如下：

运行结果如图6-4-1和图6-4-2所示。

　　1）项目浏览器

图1-4-1 运行结果（1）

   2）SecureCRT结果

图1-4-2 运行结果（2）

4 删除HDFS上的文件

　　通过”FileSystem.delete（Path f，Boolean recursive）”可删除指定的HDFS文件，其中f为需要删除文件的完整路径，recuresive用来确定是否进行递归删除。具体实现如下：

运行结果如图6-5-1和图6-5-2所示。

　　1）控制台结果

图1-5-1 运行结果（1）

   2）项目浏览器

图6-5-2 运行结果（2）

5 删除HDFS上的目录

　　同删除文件代码一样，只是换成删除目录路径即可，如果目录下有文件，要进行递归删除。

6 查看某个HDFS文件是否存在

　　通过”FileSystem.exists（Path f）”可查看指定HDFS文件是否存在，其中f为文件的完整路径。具体实现如下：

运行结果如图1-7-1和图1-7-2所示。

图1-7-1 运行结果（1）

　　2）项目浏览器

图6-7-2 运行结果（2）

7 查看HDFS文件的最后修改时间

　　通过”FileSystem.getModificationTime()”可查看指定HDFS文件的修改时间。具体实现如下：

运行结果如图6-8-1所示。

　　

图1-8-1 控制台结果

8读取HDFS某个目录下的所有文件

　　

通过”FileStatus.getPath（）”可查看指定HDFS中某个目录下所有文件。具体实现如下：

运行结果如图1-9-1和图1-9-2所示。

　　1）控制台结果

图1-9-1 运行结果（1）

　　2）项目浏览器

图1-9-2 运行结果（2）

9 查找某个文件在HDFS集群的位置

　　通过”FileSystem.getFileBlockLocation（FileStatus file，long start，long len）”可查找指定文件在HDFS集群上的位置，其中file为文件的完整路径，start和len来标识查找文件的路径。具体实现如下：

运行结果如图1-10-1和1.10.2所示。

　　1）控制台结果

图1-10-1 运行结果（1）

　　2）项目浏览器

图1-10-2 运行结果（2）

10获取HDFS集群上所有节点名称信息

　　通过”DatanodeInfo.getHostName（）”可获取HDFS集群上的所有节点名称。具体实现如下：

运行结果如图1-11-1所示。

图6-11-1 控制台结果

11HDFS的读写数据流11.1 文件的读取剖析

　　

文件读取的过程如下：

　　1）解释一

客户端(client)用FileSystem的open()函数打开文件。

DistributedFileSystem用RPC调用元数据节点，得到文件的数据块信息。

对于每一个数据块，元数据节点返回保存数据块的数据节点的地址。

DistributedFileSystem返回FSDataInputStream给客户端，用来读取数据。

客户端调用stream的read()函数开始读取数据。

DFSInputStream连接保存此文件第一个数据块的最近的数据节点。

Data从数据节点读到客户端(client)。

当此数据块读取完毕时，DFSInputStream关闭和此数据节点的连接，然后连接此文件下一个数据块的最近的数据节点。

当客户端读取完毕数据的时候，调用FSDataInputStream的close函数。

在读取数据的过程中，如果客户端在与数据节点通信出现错误，则尝试连接包含此数据块的下一个数据节点。

失败的数据节点将被记录，以后不再连接。

　　2）解释二

使用HDFS提供的客户端开发库，向远程的Namenode发起RPC请求；

Namenode会视情况返回文件的部分或者全部block列表，对于每个block，Namenode都会返回有该block拷贝的datanode地址；

客户端开发库会选取离客户端最接近的datanode来读取block；

读取完当前block的数据后，关闭与当前的datanode连接，并为读取下一个block寻找最佳的datanode；

当读完列表的block后，且文件读取还没有结束，客户端开发库会继续向Namenode获取下一批的block列表。

读取完一个block都会进行checksum验证，如果读取datanode时出现错误，客户端会通知Namenode，然后再从下一个拥有该block拷贝的datanode继续读。

11.2 文件的写入剖析

　　

　　写入文件的过程比读取较为复杂：

1）解释一

客户端调用create()来创建文件

DistributedFileSystem用RPC调用元数据节点，在文件系统的命名空间中创建一个新的文件。

元数据节点首先确定文件原来不存在，并且客户端有创建文件的权限，然后创建新文件。

DistributedFileSystem返回DFSOutputStream，客户端用于写数据。

客户端开始写入数据，DFSOutputStream将数据分成块，写入data queue。

Data queue由Data Streamer读取，并通知元数据节点分配数据节点，用来存储数据块(每块默认复制3块)。分配的数据节点放在一个pipeline里。

Data Streamer将数据块写入pipeline中的第一个数据节点。第一个数据节点将数据块发送给第二个数据节点。第二个数据节点将数据发送给第三个数据节点。

DFSOutputStream为发出去的数据块保存了ack queue，等待pipeline中的数据节点告知数据已经写入成功。

如果数据节点在写入的过程中失败：

关闭pipeline，将ack queue中的数据块放入data queue的开始。

当前的数据块在已经写入的数据节点中被元数据节点赋予新的标示，则错误节点重启后能够察觉其数据块是过时的，会被删除。

失败的数据节点从pipeline中移除，另外的数据块则写入pipeline中的另外两个数据节点。

元数据节点则被通知此数据块是复制块数不足，将来会再创建第三份备份。

当客户端结束写入数据，则调用stream的close函数。此操作将所有的数据块写入pipeline中的数据节点，并等待ack queue返回成功。最后通知元数据节点写入完毕。

　　2）解释二

使用HDFS提供的客户端开发库，向远程的Namenode发起RPC请求；

Namenode会检查要创建的文件是否已经存在，创建者是否有权限进行操作，成功则会为文件创建一个记录，否则会让客户端抛出异常；

当客户端开始写入文件的时候，开发库会将文件切分成多个packets，并在内部以”data queue”的形式管理这些packets，并向Namenode申请新的blocks，获取用来存储replicas的合适的datanodes列表，列表的大小根据在Namenode中对replication的设置而定。

开始以pipeline（管道）的形式将packet写入所有的replicas中。开发库把packet以流的方式写入第一个datanode，该datanode把该packet存储之后，再将其传递给在此pipeline中的下一个datanode，直到最后一个datanode，这种写数据的方式呈流水线的形式。

最后一个datanode成功存储之后会返回一个ack packet，在pipeline里传递至客户端，在客户端的开发库内部维护着”ack queue”，成功收到datanode返回的ack packet后会从”ack queue”移除相应的packet。

如果传输过程中，有某个datanode出现了故障，那么当前的pipeline会被关闭，出现故障的datanode会从当前的pipeline中移除，剩余的block会继续剩下的datanode中继续以pipeline的形式传输，同时Namenode会分配一个新的datanode，保持replicas设定的数量。

来源URL：http://www.aboutyun.com/thread-6779-1-1.html