Hadoop HDFS编程 API入门系列之从本地上传文件到HDFS（一）

package zhouls.bigdata.myWholeHadoop.HDFS.hdfs5;

import java.io.IOException;

import java.net.URI;
import java.net.URISyntaxException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

/**
*
* @author
* @function Copying from Local file system to HDFS,即把本地文件（如windows或linux文件拷贝到hdfs上）
*
*/
public class CopyingLocalFileToHDFS
{
/**
* @function Main() 方法
* @param args
* @throws IOException
* @throws URISyntaxException
*/
public static void main(String[] args) throws IOException,URISyntaxException{
// 本地文件路径(如windows或linux文件)
//        String source = "D://Data/weibo.txt";
String source = "./data/weibo.txt";
// hdfs文件路径
String dest = "hdfs://HadoopMaster:9000/middle/weibo/";
copyFromLocal(source, dest);
}

/**
* @function 本地文件上传至 HDFS
* @param source 原文件路径
* @param dest  目的文件路径
* @throws IOException
* @throws URISyntaxException
*/
public static void copyFromLocal(String source, String dest)throws IOException, URISyntaxException {
// 读取hadoop文件系统的配置
Configuration conf = new Configuration();
URI uri = new URI("hdfs://HadoopMaster:9000");
// FileSystem是用户操作HDFS的核心类，它获得URI对应的HDFS文件系统
FileSystem fileSystem = FileSystem.get(uri, conf);
// 源文件路径
Path srcPath = new Path(source);
// 目的路径
Path dstPath = new Path(dest);
// 查看目的路径是否存在
if (!(fileSystem.exists(dstPath))) {
// 如果路径不存在，即刻创建
fileSystem.mkdirs(dstPath);
}
// 得到本地文件名称
String filename = source.substring(source.lastIndexOf('/') + 1,source.length());
try {
// 将本地文件上传到HDFS
fileSystem.copyFromLocalFile(srcPath, dstPath);
System.out.println("File " + filename + " copied to " + dest);
} catch (Exception e) {
System.err.println("Exception caught! :" + e);
System.exit(1);
} finally {
fileSystem.close();
}
}

}

package com.dajiangtai.Hadoop.HDFS;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;

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.FileUtil;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
/**
* @function 将指定格式的多个文件上传至 HDFS
* 使用文件模式，实现多文件上传至HDFS
* @author 小讲
*
*/
@SuppressWarnings("unused")
public class CopyManyFilesToHDFS {

private static FileSystem fs = null;//FileSystem实例对象，即fs
private static FileSystem local = null;//FileSystem实例对象，即Local,本地文件系统

/**
* @function Main 方法
* @param args
* @throws IOException
* @throws URISyntaxException
*/
public static void main(String[] args) throws IOException,URISyntaxException {
//文件上传路径
//        Path dstPath = new Path("hdfs://djt002:9000/outData/copyManyFilesToHDFS/");//这样会在这个默认的copyManyFilesToHDFS.txt里
Path dstPath = new Path("hdfs://djt002:9000/outCopyManyFilesToHDFS/");//要么，你先可以新建好outCopyManyFilesToHDFS这个目录

//调用文件上传 list 方法
list(dstPath);
}

/**
* function 过滤文件格式   将多个文件上传至 HDFS
* @param dstPath 目的路径
* @throws IOException
* @throws URISyntaxException
*/
public static void list(Path dstPath) throws IOException, URISyntaxException {
//读取hadoop文件系统的配置
Configuration conf = new Configuration();
//HDFS 接口
URI uri = new URI("hdfs://djt002:9000");

//        URL、URI与Path三者的区别
//        Hadoop文件系统中通过Hadoop Path对象来代表一个文件
//        URL（相当于绝对路径）    ->   （文件） ->    URI（相当于相对路径，即代表URL前面的那一部分）
//        URI：如hdfs://dajiangtai:9000
//        如，URL.openStream

//获得FileSystem实例fs
fs = FileSystem.get(uri, conf);
//        返回类型是FileSystem，等价于  FileSystem fs = FileSystem.get(uri, conf);

//获得FileSystem实例，即Local
local = FileSystem.getLocal(conf);
//        返回类型是LocalFileSystem，等价于  LocalFileSystem  local = FileSystem.getLocal(conf);

//        为什么要获取到Local呢，因为，我们要把本地D盘下data/74目录下的文件要合并后，上传到HDFS里，所以，我们需先获取到Local，再来做复制工作啦！

//只上传data/testdata 目录下 txt 格式的文件
FileStatus[] localStatus = local.globStatus(new Path("D://data/74/*"),new RegexAcceptPathFilter("^.*txt$"));
//        FileStatus[] localStatus = local.globStatus(new Path("./data/copyManyFilesToHDFS/*"),new RegexAcceptPathFilter("^.*txt$"));
//        ^表示匹配我们字符串开始的位置               *代表0到多个字符                        $代表字符串结束的位置
//        RegexAcceptPathFilter来只接收我们需要的，即格式
//        RegexAcceptPathFilter这个方法我们自己写

//        但是我们，最终是要处理文件里的东西，最终是要转成Path类型，因为Path对象f,它对应着一个文件。

//获取74目录下的所有文件路径，注意FIleUtil中stat2Paths()的使用，它将一个FileStatus对象数组转换为Path对象数组。
Path[] listedPaths = FileUtil.stat2Paths(localStatus);//localStatus是FileStatus数组类型

for(Path p:listedPaths){//for星型循环，即将listedPaths是Path对象数组，一一传给Path p
//将本地文件上传到HDFS
fs.copyFromLocalFile(p, dstPath);
//因为每一个Path对象p，就是对应本地下的一个文件，

}
}

/**
* @function 只接受 txt 格式的文件aa
* @author 小讲
*
*/
public static class RegexAcceptPathFilter implements PathFilter {
private final String regex;//变量

public RegexAcceptPathFilter(String regex) {
this.regex = regex;//意思是String regex的值，赋给当前类RegexAcceptPathFilter所定义的private final String regex;
}

public boolean accept(Path path) {//主要是实现accept方法
// TODO Auto-generated method stub
boolean flag = path.toString().matches(regex);//匹配正则表达式，这里是^.*txt$
//只接受 regex 格式的文件
return flag;//如果要接收 regex 格式的文件，则accept()方法就return flag; 如果想要过滤掉regex格式的文件，则accept()方法就return !flag。
}
}
}