【大数据开发技术】实验04-HDFS文件创建与写入

一、实验目标

1. 熟练掌握hadoop操作指令及HDFS命令行接口
2. 掌握HDFS原理
3. 熟练掌握HDFS的API使用方法
4. 掌握单个本地文件写入到HDFS文件的方法
5. 掌握多个本地文件批量写入到HDFS文件的方法

二、实验要求

1. 给出主要实验步骤成功的效果截图。
2. 要求分别在本地和集群测试，给出测试效果截图。
3. 对本次实验工作进行全面的总结。
4. 完成实验内容后，实验报告文件名显示学号姓名信息。

三、实验内容

1. 使用FileSystem将单个本地文件写入到HDFS中当前不存在的文件，实现效果参考下图：
   

2. 使用FileSystem将本地文件追加到HDFS中当前存在的文件中，实现效果参考下图：
   

四、实验步骤

1. 使用FileSystem将单个本地文件写入到HDFS中当前不存在的文件

程序设计

package hadoop;import java.io.BufferedInputStream;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.net.URI;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;public class WJW {public static void main(String[] args) {// TODO Auto-generated method stubargs = new String[2];args[0] = "/home/zkpk/experiment/wjw01.txt";args[1] = "hdfs://master:9000/wjw02.txt";Configuration conf = new Configuration();BufferedInputStream in = null;FileSystem fs = null;FSDataOutputStream out = null;try{in = new BufferedInputStream(new FileInputStream(args[0]));fs = FileSystem.get(URI.create(args[1]), conf);out = fs.create(new Path(args[1]));IOUtils.copyBytes(in, out, 4096, false);}catch(FileNotFoundException e){e.printStackTrace();}catch(IOException e){e.printStackTrace();}finally{IOUtils.closeStream(in);IOUtils.closeStream(out);if(fs != null){try{fs.close();}catch(IOException e){e.printStackTrace();}}}}}

程序分析

该代码实现了将本地文件上传到Hadoop分布式文件系统HDFS中的功能。代码结构简单明了，主要包括以下几个步骤：

1. 定义参数args，参数args[0]表示本地文件路径，参数args[1]表示HDFS文件路径。

2. 创建Configuration对象，用于读取Hadoop配置信息。

3. 创建BufferedInputStream流，读取本地文件。

4. 使用FileSystem.get()方法获取Hadoop分布式文件系统实例。

5. 调用fs.create()方法，创建HDFS文件，并返回FSDataOutputStream对象用于向HDFS文件写入数据。

6. 调用IOUtils.copyBytes()方法，将本地文件数据复制到HDFS文件中。

7. 关闭流和Hadoop分布式文件系统实例。

该代码主要涉及以下几个重要知识点：

1. Configuration对象：该对象用于读取Hadoop配置信息，如HDFS的地址、端口等信息。

2. FileSystem对象：该对象用于操作Hadoop分布式文件系统，如创建文件、删除文件、读取文件等操作。

3. BufferedInputStream流：该流用于读取本地文件数据。

4. FSDataOutputStream对象：该对象用于向HDFS文件写入数据。

5. IOUtils.copyBytes()方法：该方法用于将输入流中的数据复制到输出流中。

总体来说，该代码实现了将本地文件上传到HDFS的功能，但还有一些需要改进的地方。例如，可以添加参数校验功能，防止空指针异常；可以添加日志输出功能，方便查看程序运行情况。

运行结果

2. 使用FileSystem将本地文件追加到HDFS中当前存在的文件中

程序设计

package hadoop;import java.io.BufferedInputStream;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.net.URI;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;public class WJW01 {public static void main(String[] args) {// TODO Auto-generated method stubargs = new String[2];args[0] = "/home/zkpk/experiment/wjw01.txt";args[1] = "hdfs://master:9000/wjw02.txt";Configuration conf = new Configuration();conf.set("fs.client.block.write.replace-datanode-on-failure.enable", "true");conf.set("fs.client.block.write.replace-datanode-on-failure.policy", "Never");BufferedInputStream in = null;FileSystem fs = null;FSDataOutputStream out = null;try{in = new BufferedInputStream(new FileInputStream(args[0]));fs = FileSystem.get(URI.create(args[1]), conf);out = fs.append(new Path(args[1]));IOUtils.copyBytes(in, out, 4096, false);}catch(FileNotFoundException e){e.printStackTrace();}catch(IOException e){e.printStackTrace();}finally{IOUtils.closeStream(in);IOUtils.closeStream(out);if(fs != null){try{fs.close();}catch(IOException e){e.printStackTrace();}}}}}

程序分析

该代码实现了将本地文件追加上传到Hadoop分布式文件系统HDFS中的功能。代码结构与上传文件功能类似，主要包括以下几个步骤：

1. 定义参数args，参数args[0]表示本地文件路径，参数args[1]表示HDFS文件路径。

2. 创建Configuration对象，用于读取Hadoop配置信息。

3. 设置配置信息：设置“fs.client.block.write.replace-datanode-on-failure.enable”为“true”，表示在数据节点故障时启用块写入数据节点更换机制；设置“fs.client.block.write.replace-datanode-on-failure.policy”为“Never”，表示块写入数据节点故障时不替换数据节点。

4. 创建BufferedInputStream流，读取本地文件。

5. 使用FileSystem.get()方法获取Hadoop分布式文件系统实例。

6. 调用fs.append()方法，获取FSDataOutputStream对象用于向HDFS文件追加数据。

7. 调用IOUtils.copyBytes()方法，将本地文件数据复制追加到HDFS文件中。

8. 关闭流和Hadoop分布式文件系统实例。

需要注意的是，该代码使用了追加上传文件的方式，因此可以将本地文件的数据追加到HDFS文件的末尾，而不会影响原有的HDFS文件数据。同时，设置数据节点更换机制可以提高系统的可靠性和稳定性，避免数据节点故障导致数据丢失的情况。

总体来说，该代码实现了将本地文件追加上传到HDFS的功能，并且考虑了系统的可靠性和稳定性问题。但是，同样需要注意代码中的参数校验和日志输出等问题，以提高代码的健壮性和可维护性。

运行结果