Hadoop权威指南学习笔记三

HDFS简介 声明：本文是本人基于Hadoop权威指南学习的一些个人理解和笔记，仅供学习参考，有什么不到之处还望指出，一起学习一起进步。 Hadoop说白了就是一个提供了处理分析大数据的文件集群，其中最重要的无疑是HDFS（Hadoop Distributed File System）即Had

HDFS简介

 

声明：本文是本人基于Hadoop权威指南学习的一些个人理解和笔记，仅供学习参考，有什么不到之处还望指出，一起学习一起进步。

Hadoop说白了就是一个提供了处理分析大数据的文件集群，其中最重要的无疑是HDFS（Hadoop Distributed File System）即Hadoop分布式文件系统。

 

1、

HDFS是一种以流式数据访问模式（一次写入多次读取的模式）存储超大文件的系统。其不需要的高端的硬件系统，普通市面上的硬件就能满足要求。

目前不适合应用HDFS的有：低延迟的数据访问、大量小的文件、多用户写入任意修改文件等。

2、

HDFS存储以块为单位，通常块大小为64M。之所以要分为这么大的块，主要是为了减少寻址时间，因为目前来看，数据传输速率越来越快，对于HDFS处理大数据时，如果频繁的寻址必然会使得运行时间变长。

HDFS集群有两种节点名称节点和多个数据节点。其中名称节点充当管理者，数据节点充当工作者。名称节点相当于HDFS文件树上的枝干分叉点，而数据节点则标注着所有块的存储信息。所以名称节点的丢失就意味着HDFS的瘫痪。因此Hadoop提供了两种机制解决这一问题：

一种是复制组成文件系统元数据的持久状态文件。即在本地磁盘写入的同时也写入一个远程NFS挂载。

另一种是设置一个二级名称节点。

3、

HDFS提供命令行接口的交互。

4、

Hadoop是一个抽象的文件系统概念，HDFS是其中的一个具体实现，java抽象类org.apache.hadoop.fs.FileSystem展示了Hadoop的一个文件系统，而且有几个具体实现。

 

 

如上图所示，Hadoop提供了许多文件的接口，通常是通过URL来确定使用何种文件系统实现交互。

5、

Hadoop是java实现的所以，java接口无疑是其中重中之重，下面是java接口的一些具体实现。

（1） 数据读取：

 

使用URL读取数据

Java识别Hadoop文件系统的URL方案，就是通过一个FsUrlStreamHandlerFactory实例来调用在URL中的setURLStreamHandlerFactory方法。

注意：这种方法在java虚拟机中只能被调用一次，所以通常设置为static，也因此如果程序其他部件（可能不是在你控制的第三方部件）设置了一个URLStreamHandlerFactory，那么久再也不能从Hadoop读取数据。

 

代码：

 

输入运行：

% hadoop URLCat hdfs://localhost/user/tom/test.txt

结果：

Hello world Hello world

Hello world

Hello world Hell【本文来自鸿网互联 (http://www.68idc.cn)】o world

 

使用FileSystem API读取数据

直接看代码吧，注意看注释

 

 

（2） 数据写入

FileSystem类有一系列创建文件的方法。

public FSDataOutputStream create(Pathf) throws IOException

用create创建文件是可用exists()判断其父目录是否存在。

还有一个用于传递回调接口的重载方法 Progressable，如此一来，我们所写的应用就会被告知数据写入数据节点的进度。

package org.apache.hadoop.util;

public interface Progressable{

publicvoid progress();

}

创建文件的还可以用如下方法：

Public FSDataOutputStream append(Pathf) throws IOException

此方法允许在打开文件的末尾追加数据。

 

（3） 目录

FileSystem题目了创建目录的方法：

public Boolean mkdirs(Path f) thorwsIOException

（4） 查询文件系统

FileStatus类封装了文件系统中文件和目录的元数据，包括文件长度、块大小、副本、修改时间、所有者以及许可信息。

FileSystem的getFileStatus()提供了获取一个文件或目录的状态对象方法。

如果只是判断一个文件是否存在，则可以使用前文提到的exists(Path f)方法。

 

Hadoop有时要查询批量文件时通常要用到通配符，所以它为执行通配符提供了

Hadoop支持与Unix bash相同的通配符两个FileSystem方法：

public FileStatus[] globStatus (PathpathPattern) throws IOException

public FileStatus[] globStatus (Path pathPattern,PathFileter filter)throws IOException

通配符：

 

（5） 删除数据

FileSystem中的delete()方法可以永久删除目录。

public Boolean delete(Path f,Boolean recursive) throwsIOException