对Hadoop FileSystem进行操作

我之前对Hadoop的各种文件操作都是基于命令行的，但是进阶后，经常需要直接从java的代码中对HDFS进行修改。今天来练习下。

一个简单的demo，将hdfs的一个文件的内容拷贝到另外hdfs一个文件

相关阅读：

《Hadoop实战》中文版+英文文字版+源码【PDF】

Hadoop HelloWorld Examples - 单表连接

import java.util.*;
import java.io.*;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.apache.hadoop.mapreduce.lib.input.*;
import org.apache.hadoop.mapreduce.lib.output.*;
import org.apache.hadoop.io.IOUtils;

public class ShortestPath {

public static void main(String[] args) throws Exception
 {
  Configuration conf = new Configuration();
  conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

  //The two lines' code below is quite useful when debugging Configuration, see reference[3].
  //System.out.println(conf.getRaw("fs.default.name"));
  //System.out.println(conf.toString());
 
  FileSystem fs = FileSystem.get(conf);
 
  FSDataInputStream in= fs.open(new Path(fs.getWorkingDirectory()+"/input/data"));
 
  BufferedReader br = new BufferedReader(new InputStreamReader(in));
 
  FSDataOutputStream out = fs.create(new Path(fs.getWorkingDirectory() +"/testInput/copyData.txt"));
 
  String str = br.readLine();
  while(str!=null)
  {
   out.writeBytes(str);
   out.writeBytes("\n");
   str = br.readLine();
  }
  out.close();
  br.close();
 }
}

以上的拷贝操作也可以通过IOUtils来完成，例如：

import java.util.*;
import java.io.*;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.*;
import org.apache.hadoop.mapreduce.lib.input.*;
import org.apache.hadoop.mapreduce.lib.output.*;
import org.apache.hadoop.io.IOUtils;

public class ShortestPath {

public static void main(String[] args) throws Exception
 {
  Configuration conf = new Configuration();
  conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
 
  //System.out.println(conf.getRaw("fs.default.name"));
  //System.out.println(conf.toString());
 
  FileSystem fs = FileSystem.get(conf);
 
  FSDataInputStream in= fs.open(new Path(fs.getWorkingDirectory()+"/input/data"));
 
  FSDataOutputStream out = fs.create(new Path(fs.getWorkingDirectory() +"/testInput/copyData.txt"));
   
  IOUtils.copyBytes(in, out, conf);
 
  in.close();
  out.close(); 
 }
}

上面的

conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));

这行代码让我挺困惑的，我一直以为Configuration是自己在构造函数的时候就自动载入这些默认的core-site.xml之类，但是看来不是。而且调用Configuration的toString()函数后显示它载入了多个core-site.xml，更加困惑。菜鸟对配置文件不熟悉，知道的兄弟讲讲。

System.out.println(conf.toString());

其他更多的文件操作，比如删除等，可以参考reference[1,2]，基本大同小异。

Reference

(1) Hadoop: The Definitive Guide【PDF版】