使用 Java 以编程方式读取存储在 HDFS 中的文本文件的内容

Question

如何运行这个简单的Java程序从HDFS的目录/单词中存储的文本文件中读取字节？我是否需要为此创建一个 jar 文件？

import java.io.*;
import java.net.MalformedURLException;
import java.net.URL;
import org.apache.hadoop.*;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class filesystemhdfs 
{
    public static void main(String args[]) throws MalformedURLException, IOException
    {
        byte[] b=null;
        InputStream in=null;
        in=new URL("hdfs://localhost/words/file").openStream();
        in.read(b);
        System.out.println(""+b);
        for(int i=0;i<b.length;i++)
        {
            System.out.println("b[i]=%d"+b[i]);
            System.out.println(""+(char)b[i]);
        }
    }
}

Answer 1

你可以使用 HDFS API，这可以从本地运行：

Configuration configuration = new Configuration();
        configuration.set("fs.defaultFS", "hdfs://namenode:8020");
        FileSystem fs = FileSystem.get(configuration);
Path filePath = new Path(
                "hdfs://namenode:8020/PATH");
        FSDataInputStream fsDataInputStream = fs.open(filePath);

Answer 2

首先，你需要告诉JVM关于URL对象中的HDFS方案。这是通过以下方式完成的：

URL.setURLStreamHandlerFactory(new FsUrlStreamHandlerFactory());

编译完Java类后，需要使用hadoop命令：

hadoop filesystemhdfs

Hadoop带有一个方便的IOUtils。它会为你减轻很多事情。

Answer 3

你不能从HDFS读取文件，因为Java支持常规文件系统。为此，您需要使用 HDFS java AP I。

public static void main(String a[]) {
     UserGroupInformation ugi
     = UserGroupInformation.createRemoteUser("root");
     try {

        ugi.doAs(new PrivilegedExceptionAction<Void>() {
            public Void run() throws Exception {
               Configuration conf = new Configuration();
                    //fs.default.name should match the corresponding value 
                    // in your core-site.xml in hadoop cluster
                conf.set("fs.default.name","hdfs://hostname:9000");
                conf.set("hadoop.job.ugi", "root");
                 readFile("words/file",conf) 
                return null;
            }
        });
    } catch (Exception e) {
        e.printStackTrace();
    }
}
 public static void readFile(String file,Configuration conf) throws IOException {
    FileSystem fileSystem = FileSystem.get(conf);
    Path path = new Path(file);
    if (!ifExists(path)) {
        System.out.println("File " + file + " does not exists");
        return;
    }
    FSDataInputStream in = fileSystem.open(path);
    BufferedReader br = new BufferedReader(new InputStreamReader(in));
    String line = null;
    while((line = br.readLine())!= null){
        System.out.println(line);
    }
    in.close();
    br.close();
    fileSystem.close();
 }
   public static boolean ifExists(Path source) throws IOException {
    FileSystem hdfs = FileSystem.get(conf);
    boolean isExists = hdfs.exists(source);
    System.out.println(isExists);
    return isExists;
 }

在这里，我正在从远程机器尝试，这就是为什么我在PrivilegedExceptionAction的run方法中使用UserGroupInformation和编写代码的原因。如果您在本地系统中，则可能不需要它。哼！

Answer 4

回复有点晚了，但它会对未来的读者有所帮助。它将迭代您的 HDFS 目录并读取每个文件的内容。

Hadoop客户端和Java仅使用。

Configuration conf = new Configuration();
            conf.addResource(new Path(“/your/hadoop/conf/core-site.xml"));
            conf.addResource(new Path("/your/hadoop/confhdfs-site.xml"));
            FileSystem fs = FileSystem.get(conf);
            FileStatus[] status = fs.listStatus(new Path("hdfs://path/to/your/hdfs/directory”);
            for (int i = 0; i < status.length; i++) {
                FSDataInputStream inputStream = fs.open(status[i].getPath());
                String content = IOUtils.toString(inputStream, "UTF-8");
            }