1、HDFS的API操作

1.1 客戶端環(huán)境準(zhǔn)備

• 首先要配置環(huán)境變量

• 其次在IDEA中創(chuàng)建一個(gè)Maven工程HdfsClientDemo，并導(dǎo)入相應(yīng)的依賴坐標(biāo)+日志添加

    <properties><maven.compiler.source>8</maven.compiler.source><maven.compiler.target>8</maven.compiler.target></properties><dependencies><dependency><groupId>org.hamcrest</groupId><artifactId>hamcrest-core</artifactId><version>1.3</version></dependency><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-client</artifactId><version>3.1.3</version></dependency><dependency><groupId>junit</groupId><artifactId>junit</artifactId><version>4.12</version></dependency><dependency><groupId>org.slf4j</groupId><artifactId>slf4j-log4j12</artifactId><version>1.7.30</version></dependency></dependencies>
</project>

1.2 API創(chuàng)建文件夾

package com.wenxin.hdfs;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;
import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;/*** @author Susie-Wen* @version 1.0* @description:客戶端代碼常用套路* 1、獲取一個(gè)客戶端對象* 2、執(zhí)行相關(guān)的操作命令* 3、關(guān)閉資源* HDFS zookeeper* @date 2023/12/11 12:27*/
public class HdfsClient {private FileSystem fs;@Beforepublic void init() throws URISyntaxException, IOException, InterruptedException {// 連接的集群地址URI uri = new URI("hdfs://hadoop102:8020");// 用戶String user = "root";// 創(chuàng)建一個(gè)配置文件Configuration configuration = new Configuration();// 1、獲取到了客戶端對象fs = FileSystem.get(uri, configuration, user);}@Afterpublic void close() throws IOException {// 3、關(guān)閉資源fs.close();}@Testpublic void testMkdir() throws IOException {// 2、創(chuàng)建一個(gè)文件夾fs.mkdirs(new Path("/xiyou/huaguoshan"));}
}

上面這段代碼把連接和關(guān)閉資源都進(jìn)行了封裝，更加方便。

• @Before 注解標(biāo)識(shí)的方法 init() 是一個(gè)在測試方法執(zhí)行之前會(huì)被調(diào)用的初始化方法。
• @After 注解標(biāo)識(shí)的方法 close() 是一個(gè)在測試方法執(zhí)行之后會(huì)被調(diào)用的清理方法。

如下所示，確實(shí)創(chuàng)建了文件夾

1.3 API上傳

接下來進(jìn)行API上傳操作：使用客戶端遠(yuǎn)程訪問HDFS，之后上傳文件。

    // 上傳：客戶端遠(yuǎn)程訪問HDFS,之后上傳文件@Testpublic void testPut() throws IOException {fs.copyFromLocalFile(false,false,new Path("E:\\VMWare\\Centos\\sunwukong.txt"),new Path("hdfs://hadoop102/xiyou/huaguoshan"));}

1.4 API參數(shù)的優(yōu)先級(jí)

HDFS文件上傳（測試參數(shù)優(yōu)先級(jí)）

1）編寫源代碼

@Test
public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {// 1 獲取文件系統(tǒng)Configuration configuration = new Configuration();configuration.set("dfs.replication", "2");FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "atguigu");// 2 上傳文件fs.copyFromLocalFile(new Path("d:/sunwukong.txt"), new Path("/xiyou/huaguoshan"));// 3 關(guān)閉資源fs.close();
｝

2）將hdfs-site.xml拷貝到項(xiàng)目的resources資源目錄下

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration><property><name>dfs.replication</name><value>1</value></property>
</configuration>

參數(shù)優(yōu)先級(jí)排序：（1）客戶端代碼中設(shè)置的值 >（2）ClassPath下的用戶自定義配置文件 >（3）然后是服務(wù)器的自定義配置（xxx-site.xml） >（4）服務(wù)器的默認(rèn)配置（xxx-default.xml）

1.5 API文件夾下載

下載相當(dāng)于從HDFS將文件下載到windows本地：

//下載：將文件從HDFS下載到windows當(dāng)中public void testGet() throws IOException {fs.copyToLocalFile(false,new Path("hdfs://hadoop102/xiyou/huaguoshan"),new Path("E:\\VMWare\\"),false);}

• 如果參數(shù)四設(shè)置為true的話，就不會(huì)進(jìn)行crc校驗(yàn)
  

1.6 API文件刪除

    //刪除@Testpublic void testRm() throws IOException {fs.delete(new Path("/xiyou/huaguoshan/sunwukong.txt"),false);}

• 除了刪除文件之外，我們還可以刪除空目錄以及非空目錄
• 多個(gè)文件如果是非遞歸刪除的話，會(huì)報(bào)錯(cuò)

    //刪除@Testpublic void testRm() throws IOException {//1.刪除文件fs.delete(new Path("/xiyou/huaguoshan/sunwukong.txt"),false);//2.刪除空目錄fs.delete(new Path("/xiyou"),false);//3.刪除非空目錄fs.delete(new Path("/xiyou/huaguoshan/"),false);}

1.7 API文件更名和移動(dòng)

• 包括文件名稱的修改，文件的移動(dòng)和更名以及目錄的更名

    //文件的更名和移動(dòng)@Testpublic void testMove() throws IOException {//1.文件名稱的修改fs.rename(new Path("/input/word.txt"),new Path("/input/ss.txt"));//2.文件的移動(dòng)和更名:從input目錄移動(dòng)到根目錄下并修改姓名fs.rename(new Path("/input/ss.txt"),new Path("/wenxin.txt"));//3.目錄的更名fs.rename(new Path("/input"),new Path("/output"));}

1.8 API文件詳情和查看

查看文件名稱、權(quán)限、長度、塊信息

    //獲取文件詳情信息@Testpublic void fileDetail() throws IOException {//1.獲取所有文件信息RemoteIterator<LocatedFileStatus> listFiles=fs.listFiles(new Path("/"), true);//2.遍歷文件while(listFiles.hasNext()){LocatedFileStatus fileStatus=listFiles.next();System.out.println("====="+fileStatus.getPath()+"=====");System.out.println(fileStatus.getPermission());System.out.println(fileStatus.getOwner());System.out.println(fileStatus.getPath());System.out.println(fileStatus.getModificationTime());System.out.println(fileStatus.getReplication());System.out.println(fileStatus.getBlockLocations());System.out.println(fileStatus.getPath().getName());}}

    //獲取文件詳情信息@Testpublic void fileDetail() throws IOException {//1.獲取所有文件信息RemoteIterator<LocatedFileStatus> listFiles=fs.listFiles(new Path("/"), true);//2.遍歷文件while(listFiles.hasNext()){LocatedFileStatus fileStatus=listFiles.next();System.out.println("====="+fileStatus.getPath()+"=====");System.out.println(fileStatus.getPermission());System.out.println(fileStatus.getOwner());System.out.println(fileStatus.getPath());System.out.println(fileStatus.getModificationTime());System.out.println(fileStatus.getReplication());System.out.println(fileStatus.getBlockLocations());System.out.println(fileStatus.getPath().getName());//獲取塊信息BlockLocation[] blockLocations = fileStatus.getBlockLocations();System.out.println(Arrays.toString(blockLocations));}}

1.9 API文件和文件夾判斷

判斷根目錄那個(gè)是文件，那個(gè)是文件夾

    //判斷文件與文件夾@Testpublic void testFile() throws IOException{FileStatus[] listStatus = fs.listStatus(new Path("/"));for(FileStatus status:listStatus){if(status.isFile()){System.out.println("文件："+status.getPath().getName());}else{System.out.println("目錄："+status.getPath().getName());}}}

2、HDFS的讀寫流程（面試重點(diǎn)）

2.1 HDFS寫數(shù)據(jù)流程

（1）客戶端通過Distributed FileSystem模塊向NameNode請求上傳文件，NameNode檢查目標(biāo)文件是否已存在，父目錄是否存在。

（2）NameNode返回是否可以上傳。

（3）客戶端請求第一個(gè) Block上傳到哪幾個(gè)DataNode服務(wù)器上。

（4）NameNode返回3個(gè)DataNode節(jié)點(diǎn)，分別為dn1、dn2、dn3。

（5）客戶端通過FSDataOutputStream模塊請求dn1上傳數(shù)據(jù)，dn1收到請求會(huì)繼續(xù)調(diào)用dn2，然后dn2調(diào)用dn3，將這個(gè)通信管道建立完成。

（6）dn1、dn2、dn3逐級(jí)應(yīng)答客戶端。

（7）客戶端開始往dn1上傳第一個(gè)Block（先從磁盤讀取數(shù)據(jù)放到一個(gè)本地內(nèi)存緩存），以Packet為單位，dn1收到一個(gè)Packet就會(huì)傳給dn2，dn2傳給dn3；dn1每傳一個(gè)packet會(huì)放入一個(gè)應(yīng)答隊(duì)列等待應(yīng)答。

（8）當(dāng)一個(gè)Block傳輸完成之后，客戶端再次請求NameNode上傳第二個(gè)Block的服務(wù)器。（重復(fù)執(zhí)行3-7步）。

2.2 網(wǎng)絡(luò)拓?fù)?節(jié)點(diǎn)距離計(jì)算

在HDFS寫數(shù)據(jù)的過程中，NameNode會(huì)選擇距離待上傳數(shù)據(jù)最近距離的DataNode接收數(shù)據(jù)。那么這個(gè)最近距離怎么計(jì)算呢？

節(jié)點(diǎn)距離：兩個(gè)節(jié)點(diǎn)到達(dá)最近的共同祖先的距離總和。

例如，假設(shè)有數(shù)據(jù)中心d1機(jī)架r1中的節(jié)點(diǎn)n1。該節(jié)點(diǎn)可以表示為/d1/r1/n1。利用這種標(biāo)記，這里給出四種距離描述。

算一算每兩個(gè)節(jié)點(diǎn)之間的距離：

2.3 機(jī)架感知（副本存儲(chǔ)節(jié)點(diǎn)選擇）

官方說明：

對于常見情況，當(dāng)副本為3時(shí)，HDFS的放置策略是，如果編寫器在datanode上，則將一個(gè)副本放在本地計(jì)算機(jī)上，否則放在隨機(jī)datanode上，另一個(gè)副本放在不同(遠(yuǎn)程)機(jī)架中的節(jié)點(diǎn)上，最后一個(gè)放在同一遠(yuǎn)程機(jī)架中的不同節(jié)點(diǎn)上。此策略減少了機(jī)架間的寫入流量，從而總體上提高了寫入性能。機(jī)架故障的幾率遠(yuǎn)小于節(jié)點(diǎn)故障的幾率；該策略不影響數(shù)據(jù)可靠性和可用性保證。但是，它確實(shí)減少了讀取數(shù)據(jù)時(shí)使用的聚合網(wǎng)絡(luò)帶寬，因?yàn)橐粋€(gè)數(shù)據(jù)塊只放在兩個(gè)不同的機(jī)架中，而不是三個(gè)。使用此策略，文件的副本不會(huì)均勻分布在機(jī)架上。三分之一的副本位于一個(gè)節(jié)點(diǎn)上，三分之二的副本位于一個(gè)機(jī)架上，另外三分之一的副本均勻分布在其余機(jī)架上。該策略提高了寫入性能，而不影響數(shù)據(jù)可靠性或讀取性能。

• 第一個(gè)副本考慮的是節(jié)點(diǎn)距離最近，上傳速度最快。
• 第二個(gè)節(jié)點(diǎn)保證數(shù)據(jù)的可靠性。
• 第三個(gè)節(jié)點(diǎn)在保證數(shù)據(jù)可靠性的前提下兼顧效率。

查看源碼：

Crtl + n 查找BlockPlacementPolicyDefault，在該類中查找chooseTargetInOrder方法。

2.4 讀數(shù)據(jù)流程

（1）客戶端通過DistributedFileSystem向NameNode請求下載文件，NameNode通過查詢元數(shù)據(jù)，找到文件塊所在的DataNode地址?！綝istributedFileSystem是分布式文件系統(tǒng)對象】

（2）挑選一臺(tái)DataNode（就近原則，然后隨機(jī)）服務(wù)器，請求讀取數(shù)據(jù)?！境丝紤]節(jié)點(diǎn)最近之外，還會(huì)考慮當(dāng)前節(jié)點(diǎn)的負(fù)載能力】

（3）DataNode開始傳輸數(shù)據(jù)給客戶端（從磁盤里面讀取數(shù)據(jù)輸入流，以Packet為單位來做校驗(yàn)）。

（4）客戶端以Packet為單位接收，先在本地緩存，然后寫入目標(biāo)文件。

• 這里讀取數(shù)據(jù)采用的是串行讀取，而不是并行讀取。