Hadoop学习(2)-java客户端操作hdfs及secondarynode作用

首先要在windows下解压一个windows版本的hadoop

然后在配置他的环境变量，同时要把hadoop的share目录下的hadoop下的相关jar包拷贝到esclipe

然后build path

下面上代码

import java.io.bufferedreader;
import java.io.fileinputstream;
import java.io.ioexception;
import java.io.inputstreamreader;
import java.net.uri;
import java.net.urisyntaxexception;
import java.util.arrays;

import org.apache.hadoop.conf.configuration;
import org.apache.hadoop.fs.fsdatainputstream;
import org.apache.hadoop.fs.fsdataoutputstream;
import org.apache.hadoop.fs.filestatus;
import org.apache.hadoop.fs.filesystem;
import org.apache.hadoop.fs.locatedfilestatus;
import org.apache.hadoop.fs.path;
import org.apache.hadoop.fs.remoteiterator;
import org.junit.before;
import org.junit.test;

public class hdfsclientdemo {
    
    
    public static void main(string[] args) throws exception {
        /**
         * configuration参数对象的机制：
         *    构造时，会加载jar包中的默认配置 xx-default.xml
         *    再加载 用户配置xx-site.xml  ，覆盖掉默认参数
         *    构造完成之后，还可以conf.set("p","v")，会再次覆盖用户配置文件中的参数值
         */
        // new configuration()会从项目的classpath中加载core-default.xml hdfs-default.xml core-site.xml hdfs-site.xml等文件
        configuration conf = new configuration();
        
        // 指定本客户端上传文件到hdfs时需要保存的副本数为：2
        conf.set("dfs.replication", "2");
        // 指定本客户端上传文件到hdfs时切块的规格大小：64m
        conf.set("dfs.blocksize", "64m");
        
        // 构造一个访问指定hdfs系统的客户端对象: 参数1:——hdfs系统的uri，参数2：——客户端要特别指定的参数，参数3：客户端的身份（用户名）
        filesystem fs = filesystem.get(new uri("hdfs://172.31.2.38:9000/"), conf, "root");
        
        // 上传一个文件到hdfs中
        fs.copyfromlocalfile(new path("d:/install-pkgs/hbase-1.2.1-bin.tar.gz"), new path("/aaa/"));
        
        fs.close();
    }
    
    filesystem fs = null;
    
    @before
    public void init() throws exception{
        configuration conf = new configuration();
        conf.set("dfs.replication", "2");
        conf.set("dfs.blocksize", "64m");
        
        fs = filesystem.get(new uri("hdfs://172.31.2.38:9000/"), conf, "root");
        
    }
    
    
    /**
     * 从hdfs中下载文件到客户端本地磁盘
     * @throws ioexception 
     * @throws illegalargumentexception 
     */
    @test
    public void testget() throws illegalargumentexception, ioexception{
        
        fs.copytolocalfile(new path("/test"), new path("d:/"));
        fs.close();
        
    }
    
    
    /**
     * 在hdfs内部移动文件\修改名称
     */
    @test
    public void testrename() throws exception{
        
        fs.rename(new path("/install.log"), new path("/aaa/in.log"));
        
        fs.close();
        
    }
    
    /**
     * 在hdfs中创建文件夹
     */
    @test
    public void testmkdir() throws exception{
        
        fs.mkdirs(new path("/xx/yy/zz"));
        
        fs.close();
    }
    
    
    /**
     * 在hdfs中删除文件或文件夹
     */
    @test
    public void testrm() throws exception{
        
        fs.delete(new path("/aaa"), true);
        
        fs.close();
    }
    
    
    
    /**
     * 查询hdfs指定目录下的文件信息
     */
    @test
    public void testls() throws exception{
        // 只查询文件的信息,不返回文件夹的信息
        remoteiterator<locatedfilestatus> iter = fs.listfiles(new path("/"), true);
        
        while(iter.hasnext()){
            locatedfilestatus status = iter.next();
            system.out.println("文件全路径："+status.getpath());
            system.out.println("块大小："+status.getblocksize());
            system.out.println("文件长度："+status.getlen());
            system.out.println("副本数量："+status.getreplication());
            system.out.println("块信息："+arrays.tostring(status.getblocklocations()));
            
            system.out.println("--------------------------------");
        }
        fs.close();
    }
   

    /**
     * 读取hdfs中的文件的内容
     * 
     * @throws ioexception
     * @throws illegalargumentexception
     */
    @test
    public void testreaddata() throws illegalargumentexception, ioexception {

        fsdatainputstream in = fs.open(new path("/test.txt"));

        bufferedreader br = new bufferedreader(new inputstreamreader(in, "utf-8"));

        string line = null;
        while ((line = br.readline()) != null) {
            system.out.println(line);
        }

        br.close();
        in.close();
        fs.close();

    }

    /**
     * 读取hdfs中文件的指定偏移量范围的内容
     * 
     * 
     * 
     * @throws ioexception
     * @throws illegalargumentexception
     */
    @test
    public void testrandomreaddata() throws illegalargumentexception, ioexception {

        fsdatainputstream in = fs.open(new path("/xx.dat"));

        // 将读取的起始位置进行指定
        in.seek(12);

        // 读16个字节
        byte[] buf = new byte[16];
        in.read(buf);

        system.out.println(new string(buf));

        in.close();
        fs.close();

    }

    /**
     * 往hdfs中的文件写内容
     * 
     * @throws ioexception
     * @throws illegalargumentexception
     */

    @test
    public void testwritedata() throws illegalargumentexception, ioexception {

        fsdataoutputstream out = fs.create(new path("/zz.jpg"), false);

        // d:\images\006l0mbogy1fhehjb6ikoj30ku0ku76b.jpg

        fileinputstream in = new fileinputstream("d:/images/006l0mbogy1fhehjb6ikoj30ku0ku76b.jpg");

        byte[] buf = new byte[1024];
        int read = 0;
        while ((read = in.read(buf)) != -1) {
            out.write(buf,0,read);
        }
        
        in.close();
        out.close();
        fs.close();

    }

}

 

练习：从一个文件里面不断地采集日志上传到hdfs里面

1.流程介绍

---启动一个定时任务

　　　　--定时探测日志原目录

　　　　--获取文件上传到一个待上传的临时目录

　　　　--逐一上传到hdfs目标路径，同时移动到备份目录里

--启动一个定时任务：

　　　　--探测备份目录中的备份数据是否已经超出，如果超出就删除

 

 主类为：

import java.util.timer;

public class datacollectmain {
    
    public static void main(string[] args) {
        
        timer timer = new timer();
        //第一个为task类，第二个开始时间 第三个没隔多久执行一次
        timer.schedule(new collecttask(), 0, 60*60*1000l);
        
        timer.schedule(new backupcleantask(), 0, 60*60*1000l);
        
    }
    

}

collecttask类：

这个类要继承timertask，重写run方法，主要内容就是不断收集日志文件

package cn.edu360.hdfs.datacollect;

import java.io.file;
import java.io.filenamefilter;
import java.net.uri;
import java.text.simpledateformat;
import java.util.arrays;
import java.util.date;
import java.util.properties;
import java.util.timertask;
import java.util.uuid;

import org.apache.commons.io.fileutils;
import org.apache.hadoop.conf.configuration;
import org.apache.hadoop.fs.filesystem;
import org.apache.hadoop.fs.path;
import org.apache.log4j.logger;

public class collecttask extends timertask {

    @override
    public void run() {
        try {
            // 获取配置参数
            properties props = propertyholderlazy.getprops();

            // 获取本次采集时的日期
            simpledateformat sdf = new simpledateformat("yyyy-mm-dd-hh");
            string day = sdf.format(new date());
            
            file srcdir = new file("d:/logs/accesslog");
            // 列出日志源目录中需要采集的文件
            //里面传了一个文件过滤器，重写accept方法,return true就要
            file[] listfiles = srcdir.listfiles(new filenamefilter() {
                @override
                public boolean accept(file dir, string name) {
                    if (name.startswith("access.log")) {
                        return true;
                    }
                    return false;
                }
            });
            // 将要采集的文件移动到待上传临时目录
            file touploaddir = new file("d:/logs/toupload");
            for (file file : listfiles) {
                
                //这里如果是 file.renameto(touploaddir)是不对的，因为会生成一个toupload的文件而不是文件夹
                //要用renameto的话你要自己加上文件的新名字比较麻烦
                //用fileutiles是对file操作的一些工具类
                //第一个目标文件，第二个路径，第三个是否存在覆盖
                fileutils.movefiletodirectory(file, touploaddir, true);
            }

            // 构造一个hdfs的客户端对象
            filesystem fs = filesystem.get(new uri("hdfs://hdp-01:9000"), new configuration(), "root");
            
            file[] touploadfiles = touploaddir.listfiles();

            // 检查hdfs中的日期目录是否存在，如果不存在，则创建
            path hdfsdestpath = new path("/logs" + day);
            if (!fs.exists(hdfsdestpath)) {
                fs.mkdirs(hdfsdestpath);
            }

            // 检查本地的备份目录是否存在，如果不存在，则创建
            file backupdir = new file("d:/logs/backup" + day + "/");
            if (!backupdir.exists()) {
                backupdir.mkdirs();
            }

            for (file file : touploadfiles) {
                // 传输文件到hdfs并改名access_log_
                fs.copyfromlocalfile(new path(file.getabsolutepath()), new path("/logs"+day+"/access_log_"+uuid.randomuuid()+".log"));

                // 将传输完成的文件移动到备份目录
                //注意这里依然不要用renameto
                fileutils.movefiletodirectory(file, backupdir, true);
            }

        } catch (exception e) {
            e.printstacktrace();
        }

    }

/**
     * 读取hdfs中的文件的内容
     * 
     * @throws ioexception
     * @throws illegalargumentexception
     */
    @test
    public void testreaddata() throws illegalargumentexception, ioexception {

        fsdatainputstream in = fs.open(new path("/test.txt"));

        bufferedreader br = new bufferedreader(new inputstreamreader(in, "utf-8"));

        string line = null;
        while ((line = br.readline()) != null) {
            system.out.println(line);
        }

        br.close();
        in.close();
        fs.close();

    }

    /**
     * 读取hdfs中文件的指定偏移量范围的内容
     * 
     * 
     * 作业题：用本例中的知识，实现读取一个文本文件中的指定block块中的所有数据
     * 
     * @throws ioexception
     * @throws illegalargumentexception
     */
    @test
    public void testrandomreaddata() throws illegalargumentexception, ioexception {

        fsdatainputstream in = fs.open(new path("/xx.dat"));

        // 将读取的起始位置进行指定
        in.seek(12);

        // 读16个字节
        byte[] buf = new byte[16];
        in.read(buf);

        system.out.println(new string(buf));

        in.close();
        fs.close();

    }

    /**
     * 往hdfs中的文件写内容
     * 
     * @throws ioexception
     * @throws illegalargumentexception
     */

    @test
    public void testwritedata() throws illegalargumentexception, ioexception {

        fsdataoutputstream out = fs.create(new path("/zz.jpg"), false);

        // d:\images\006l0mbogy1fhehjb6ikoj30ku0ku76b.jpg

        fileinputstream in = new fileinputstream("d:/images/006l0mbogy1fhehjb6ikoj30ku0ku76b.jpg");

        byte[] buf = new byte[1024];
        int read = 0;
        while ((read = in.read(buf)) != -1) {
            out.write(buf,0,read);
        }
        
        in.close();
        out.close();
        fs.close();

    }

 

}

backupcleantask类

package cn.edu360.hdfs.datacollect;

import java.io.file;
import java.text.simpledateformat;
import java.util.date;
import java.util.timertask;

import org.apache.commons.io.fileutils;

public class backupcleantask extends timertask {

    @override
    public void run() {

        simpledateformat sdf = new simpledateformat("yyyy-mm-dd-hh");
        long now = new date().gettime();
        try {
            // 探测本地备份目录
            file backupbasedir = new file("d:/logs/backup/");
            file[] daybackdir = backupbasedir.listfiles();

            // 判断备份日期子目录是否已超24小时
            for (file dir : daybackdir) {
                long time = sdf.parse(dir.getname()).gettime();
                if(now-time>24*60*60*1000l){
                    fileutils.deletedirectory(dir);
                }
            }
        } catch (exception e) {
            e.printstacktrace();
        }

    }

}

 

hdfs中namenode中储存元数据（对数据的描述信息）是在内存中以树的形式储存的，并且每隔一段时间都会把这些元数据序列化到磁盘中。序列化的东西在磁盘中叫 fsimage文件。

元数据可能会很大很大，所以只能是定期的序列化

问题1：序列化的时候，发生了元数据的修改怎么办

答：namenode会把每次用户的操作都记录下来，记录成日志文件，存在edits日志文件中

其中edits日志文件也会像log4j滚动日志文件一样，当文件太大的时候会另起一个文件并改名字

问题2：当edits文件太多的时候，一次宕机也会花大量的时间从edits里恢复，怎么办

答：会定期吧edits文件重放fsimage文件，并记录edits的编号，把那些重放过的日志文件给删除。这样也相当于重新序列化了，

所以namenode并不会做这样的事情，是由secondary node做的，他会定期吧namenode的fsimage文件和edits文件下载下来

并把fsimage文件反序列化，并且读日志文件更新元数据，然后序列化到磁盘，然后把他上传给namenode。

这个机制叫做checkpoint机制

这里secondarynode 相当一一个小秘书

 

 

 

 

 

 额外知识点

注意，在windows里面不要写有些路径不要写绝对路径，因为程序放到linux下面可能会找不到，因此报错

 一般使用class加载器，这样当这个class加载的时候就会知道这个class在哪

类加载器的一些使用例子

比如我加载一个配置文件，为了避免出现绝对路径，我们可以是用类加载器

　　　　 properties props = new properties();
        //加载配置文件，这样写的目的是为了避免在windows里出现绝对路径，用类加载器，再把文件传化成流
        props.load(hdfswordcount.class.getclassloader().getresourceasstream("job.properties"));

 

而对于一些功能性的类，我们最好在写逻辑的时候也不要直接去导入这个包，而是使用class.forname

//这样不直接导入这个包，直接用类加载器，是面向接口编程的一种思想。这里我并不是在开始import xxxx.mapper,这里mapper是一个接口，这里我用了多态
        class<?> mapper_class = class.forname(props.getproperty("mapper_class"));
        mapper mapper = (mapper) mapper_class.newinstance();

 

单例模式

https://www.cnblogs.com/crazy-wang-android/p/9054771.html

只有个一实例，必须自己创建自己这个实例，必须为别人提供这个实例

 

 

 饿汉式单例：就算没有人调用这个class，他也会加载进去；

如对于一个配置文件的加载

import java.util.properties;

/**
 * 单例设计模式，方式一： 饿汉式单例
 *
 */
public class propertyholderhungery {

    private static properties prop = new properties();

    static {
        try {
            //将一个文件prop.load(stram)  
            //这里面如果传一个io流不好，因为要用到绝对路径，使用了类加载器  这种不管有没有使用这个类都会加载
            prop.load(propertyholderhungery.class.getclassloader().getresourceasstream("collect.properties"));
        } catch (exception e) {

        }
    }
    public static properties getprops() throws exception {
        return prop;
    }

}

 懒汉式：只有调用的时候才会有，但会有线程安全问题

/**
 * 单例模式：懒汉式——考虑了线程安全
 * */

public class propertyholderlazy {

    private static properties prop = null;

    public static properties getprops() throws exception {
        if (prop == null) {
            synchronized (propertyholderlazy.class) {
                if (prop == null) {
                    prop = new properties();
                    prop.load(propertyholderlazy.class.getclassloader().getresourceasstream("collect.properties"));
                }
            }
        }
        return prop;
    }

}