HDFS中的Java和Python API接口连接

上次介绍了HDFS的简单操作，今天进入HDFS中的Java和Python的API操作，后面可能介绍Scala的相关的。

在讲Java API之前介绍一下使用的IDE——IntelliJ IDEA ，我本人使用的是2020.3 x64的社区版本。

Java API

创建maven工程，关于Maven的配置，在IDEA中，Maven下载源必须配置成阿里云。

在对应的D:\apache-maven-3.8.1-bin\apache-maven-3.8.1\conf\settings.xml需要设置阿里云的下载源。

下面创建maven工程，添加常见的依赖

 

添加hadoop-client依赖，版本最好和hadoop指定的一致，并添加junit单元测试依赖。

 
   
        org.apache.hadoop 
        hadoop-common 
        3.1.4 
   
   
        org.apache.hadoop 
        hadoop-hdfs 
        3.1.4 
   
   
      org.apache.hadoop 
      hadoop-client 
      3.1.4 
   
   
      junit 
      junit 
      4.11 
   
 

HDFS文件上传

在这里编写测试类即可，新建一个java文件：main.java

这里的FileSyste一开始是本地的文件系统，需要初始化为HDFS的文件系统

import org.apache.hadoop.conf.Configuration; 
import org.apache.hadoop.fs.FileSystem; 
import org.apache.hadoop.fs.Path; 
import org.junit.Test; 
import java.net.URI; 
public class main { 
 
    @Test 
    public void testPut() throws Exception { 
        //   获取FileSystem类的方法有很多种，这里只写一种(比较常用的是使URI) 
        Configuration configuration = new Configuration(); 
        // user是Hadoop集群的账号，连接端口默认9000 
        FileSystem fileSystem = FileSystem.get( 
                new URI("hdfs://192.168.147.128:9000"), 
                configuration, 
                "hadoop"); 
        // 将f:/stopword.txt 上传到 /user/stopword.txt 
        fileSystem.copyFromLocalFile( 
                new Path("f:/stopword.txt"), new Path("/user/stopword.txt")); 
        fileSystem.close(); 
    } 
} 

在对应的HDFS中，就会看见我刚刚上传的机器学习相关的停用词。

HDFS文件下载

由于每次都需要初始化FileSystem，比较懒的我直接使用@Before每次加载。

HDFS文件下载的API接口是copyToLocalFile，具体代码如下。

@Test 
public void testDownload() throws Exception { 
    Configuration configuration = new Configuration(); 
    FileSystem fileSystem = FileSystem.get( 
            new URI("hdfs://192.168.147.128:9000"), 
            configuration, 
            "hadoop"); 
    fileSystem.copyToLocalFile( 
            false, 
            new Path("/user/stopword.txt"), 
            new Path("stop.txt"), 
            true); 
    fileSystem.close(); 
    System.out.println("over"); 
} 

Python API

下面主要介绍hdfs，参考：https://hdfscli.readthedocs.io/

我们通过命令pip install hdfs安装hdfs库，在使用hdfs前，使用命令hadoop fs -chmod -R 777 / 对当前目录及目录下所有的文件赋予可读可写可执行权限。

>>> from hdfs.client import Client 
>>> #2.X版本port 使用50070  3.x版本port 使用9870 
>>> client = Client('http://192.168.147.128:9870')   
>>> client.list('/')   #查看hdfs /下的目录 
['hadoop-3.1.4.tar.gz'] 
>>> client.makedirs('/test') 
>>> client.list('/') 
['hadoop-3.1.4.tar.gz', 'test'] 
>>> client.delete("/test") 
True 
>>> client.download('/hadoop-3.1.4.tar.gz','C:\\Users\\YIUYE\\Desktop') 
'C:\\Users\\YIUYE\\Desktop\\hadoop-3.1.4.tar.gz' 
>>> client.upload('/','C:\\Users\\YIUYE\\Desktop\\demo.txt') 
>>> client.list('/') 
'/demo.txt' 
>>> client.list('/') 
['demo.txt', 'hadoop-3.1.4.tar.gz'] 
>>> # 上传demo.txt 内容：Hello \n hdfs 
>>> with client.read("/demo.txt") as reader: 
...          print(reader.read()) 
b'Hello \r\nhdfs\r\n' 

相对于Java API，Python API连接实在简单。