Question

我已经搜索了一段时间，但似乎没有任何解决方案对我有用。

非常简单 - 我想使用Java API将数据从本地文件系统上传到HDFS。 Java程序将在已配置为通过shell（即hdfs dfs -ls等）与远程Hadoop集群通信的主机上运行。

我在项目中包含了以下依赖项：

hadoop-core:1.2.1
hadoop-common:2.7.1
hadoop-hdfs:2.7.1

我的代码如下所示：

 File localDir = ...;
 File hdfsDir = ...;
 Path localPath = new Path(localDir.getCanonicalPath());
 Path hdfsPath = new Path(hdfsDir.getCanonicalPath());
 Configuration conf = new Configuration();
 conf.set("fs.hdfs.impl", org.apache.hadoop.hdfs.DistributedFileSystem.class.getName());
 conf.set("fs.file.impl", org.apache.hadoop.fs.LocalFileSystem.class.getName());
 Filesystem fs = FileSystem.get(configuration);
 fs.getFromLocalFile(localPath, hdfsPath);

本地数据未被复制到Hadoop集群，但未报告任何错误，也不会引发异常。我已为TRACE包启用org.apache.hadoop日志记录。我看到以下输出：

 DEBUG Groups:139 -  Creating new Groups object
 DEBUG Groups:139 -  Creating new Groups object
 DEBUG Groups:59 - Group mapping impl=org.apache.hadoop.security.ShellBasedUnixGroupsMapping; cacheTimeout=300000
 DEBUG Groups:59 - Group mapping impl=org.apache.hadoop.security.ShellBasedUnixGroupsMapping; cacheTimeout=300000
 DEBUG UserGroupInformation:147 - hadoop login
 DEBUG UserGroupInformation:147 - hadoop login
 DEBUG UserGroupInformation:96 - hadoop login commit
 DEBUG UserGroupInformation:96 - hadoop login commit
 DEBUG UserGroupInformation:126 - using local user:UnixPrincipal: willra05
 DEBUG UserGroupInformation:126 - using local user:UnixPrincipal: willra05
 DEBUG UserGroupInformation:558 - UGI loginUser:<username_redacted>
 DEBUG UserGroupInformation:558 - UGI loginUser:<username_redacted>
 DEBUG FileSystem:1441 - Creating filesystem for file:///
 DEBUG FileSystem:1441 - Creating filesystem for file:///
 DEBUG FileSystem:1290 - Removing filesystem for file:///
 DEBUG FileSystem:1290 - Removing filesystem for file:///
 DEBUG FileSystem:1290 - Removing filesystem for file:///
 DEBUG FileSystem:1290 - Removing filesystem for file:///

有人可以协助我解决这个问题吗？

编辑1：（2015年9月15日）

我已删除了2个Hadoop依赖项 - 我现在只使用了一个：

hadoop-core:1.2.1

我的代码现在如下：

File localDir = ...;
File hdfsDir = ...;
Path localPath = new Path(localDir.getCanonicalPath());
Path hdfsPath = new Path(hdfsDir.getCanonicalPath());
Configuration conf = new Configuration();
fs.getFromLocalFile(localPath, hdfsPath);

我之前使用以下命令执行我的应用程序：

$ java -jar <app_name>.jar <app_arg1> <app_arg2> ...

现在我用这个命令执行它：

$ hadoop jar <app_name>.jar <app_arg1> <app_arg2> ...

通过这些更改，我的应用程序现在可以按预期与HDFS交互。据我所知，hadoop jar命令仅适用于打包为可执行jar的Map Reduce作业，但这些更改为我做了诀窍。

Answer 1

我不确定您所遵循的方法，但以下是使用java libs将数据上传到hdfs的一种方式：

//imports required 
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;

//some class here .....
Configuration conf = new Configuration();
conf.set("fs.defaultFS", <hdfs write endpoint>);
FileSystem fs = FileSystem.get(conf);
fs.copyFromLocalFile(<src>, <dst>);

此外，如果您在本地使用hadoop conf xmls，则可以将它们包含在类路径中。然后，hadoop fs详细信息将在运行时自动获取，您无需设置＆＃34; fs.defaultFS＆＃34; 。此外，如果您使用的是旧的hdfs版本，则可能需要使用＆＃34; fs.default.name＆＃34;而不是＆＃34; fs.defaultFS＆＃34;。如果您不确定hdfs端点，通常是hdfs namenode url。以下是之前类似问题copying directory from local system to hdfs java code

的示例

Answer 2

两件事：

如果您要创建Hadoop客户端，最好添加 hadoop-client 依赖项。它包括所有子模块所需的依赖项。 https://github.com/apache/hadoop/blob/2087eaf684d9fb14b5390e21bf17e93ac8fea7f8/hadoop-client/pom.xml。除非Jar的大小是一个问题，如果你非常确定你不需要另一个依赖。
使用hadoop命令执行作业时，执行该作业的类为RunJar，而不是您的驱动程序类。然后RunJar执行你的工作。有关详细信息，请参阅此处的代码：https://github.com/apache/hadoop/blob/2087eaf684d9fb14b5390e21bf17e93ac8fea7f8/hadoop-common-project/hadoop-common/src/main/java/org/apache/hadoop/util/RunJar.java#L139

如果您查看createClassLoader课程中的RunJar方法，您会注意到类路径中包含多个位置。

然后，如果您使用 java -jar 命令直接执行您的课程，您可能会忽略在hadoop中执行您的工作所需的所有其他必要步骤 hadoop jar 正在做。

Answer 3

Kasa，你需要使用方法

public static FileSystem get(URI uri,Configuration conf)

要获得fs，如果使用java -jar命令，则必须使用uri参数。

使用Java API将数据上传到HDFS

3 个答案: