龐雙玉

摘 要 本文討論JAVA語言中的流機(jī)制在HDFS分布式文件系統(tǒng)讀寫操作中的應(yīng)用，通過對比JAVA中的輸入和輸出流機(jī)制和HDFS的讀寫操作，闡述java流思想的本質(zhì)，以及Java在分布式系統(tǒng)開發(fā)中的優(yōu)越性。

【關(guān)鍵詞】Java 分布式系統(tǒng) 數(shù)據(jù)

1 引言

Apache Hadoop是一個(gè)分布式開源的軟件系統(tǒng)框架。它被用于分布文式文件系統(tǒng)和用MAP/REUDUCE機(jī)制處理的大數(shù)據(jù)處理模型中。它包含多個(gè)由通用商業(yè)硬件組成的計(jì)算機(jī)集群。Hadoop中所有的模塊設(shè)計(jì)都基于一個(gè)基本的假設(shè)即硬件錯(cuò)誤是普遍發(fā)生并且可以自動(dòng)被處理的。

Hadoop的核心包括分布式的文件系統(tǒng)存儲(chǔ)即HDFS。Hadoop是用Java語言開發(fā)的，本文討論Java語言中的流機(jī)制在HDFS文件系統(tǒng)設(shè)計(jì)中的應(yīng)用。

2 Java語言中的流機(jī)制

流是java語言所特有的機(jī)制，把數(shù)據(jù)的存取想象成從一個(gè)源源不斷的數(shù)據(jù)流中讀取，在Java中，創(chuàng)建輸入和輸出流對象時(shí)，以要操作的文件對象或者數(shù)據(jù)源頭作為構(gòu)造方法參數(shù)，將輸入和輸出流與操作對象關(guān)聯(lián)。

流的一端可以是數(shù)據(jù)、設(shè)備、網(wǎng)絡(luò)、內(nèi)存，根據(jù)數(shù)據(jù)的流向，數(shù)據(jù)從網(wǎng)絡(luò)，設(shè)備，內(nèi)存等到創(chuàng)建好的流，稱為輸入流，數(shù)據(jù)從創(chuàng)建好的流到網(wǎng)絡(luò)，設(shè)備，內(nèi)存等，稱為輸出流。如圖1、圖2所示。

3 Hadoop和HDFS文件系統(tǒng)

Hadoop是Apach公司實(shí)現(xiàn)的一個(gè)框架，用Java語言開發(fā)，從本質(zhì)上說，hadoop實(shí)現(xiàn)了一個(gè)分布式集群，這個(gè)集群中有一個(gè)master節(jié)點(diǎn)和多個(gè)slave節(jié)點(diǎn)，核心機(jī)制是Map/Reduce數(shù)據(jù)處理機(jī)制和HDFS文件系統(tǒng)，HDFS是分布式文件系統(tǒng)，它采用數(shù)據(jù)塊和多節(jié)點(diǎn)備份機(jī)制，保證了高可靠性和容錯(cuò)性。

4 對HDFS文件系統(tǒng)的訪問

對HDFS文件系統(tǒng)的訪問，有兩種方式，一種通過java.net.URL訪問，一種是通過FileSystem來訪問。

通過URL訪問代碼：

HDFS的API使用：

public class ExCat {

static{

URL.setURLStreamHandlerFactory（new FsUrlStreamHandlerFactory（））；

}

public static void main（String[] args） {

InputStream input=null；

try {

input = new URL（args[0]）.openStream（）；

//使用java.net.URL對象打開數(shù)據(jù)流

IOUtils.copyBytes（input，System.out，4096，false）；

//IOUtils類實(shí)現(xiàn)字節(jié)復(fù)制，將URL所在的文件內(nèi)容輸出到控制臺(tái)

} catch （Exception e） {

System.err.println（"Error"）；

}finally{

IOUtils.closeStream（input）；

}

}

}

需要注意的是，程序中的static block代碼塊，這個(gè)代碼塊的作用是，將URL地址轉(zhuǎn)換為一個(gè)HDFS地址，但是JVM只能調(diào)用一次這樣的代碼塊。

通過java文件系統(tǒng)來訪問代碼：

packageTestHdfs；

importjava.io.BufferedInputStream；

importjava.io.FileInputStream；

importjava.io.FileNotFoundException；

importjava.io.InputStream；

importjava.io.OutputStream；

importjava.net.URI；

importorg.apache.hadoop.conf.Configuration；

importorg.apache.hadoop.fs.FSDataOutputStream；

importorg.apache.hadoop.fs.FileSystem；

importorg.apache.hadoop.fs.Path；

importorg.apache.hadoop.io.IOUtils；

public class FileCopyFromLocal {

public static void main（String[] args） throws Exception {

String sr="/usr/local/filecontent/exmple"；

//本地路徑文件

String des="hdfs：//neusoft-master：9000/data/test"；

//HDFS的路徑

InputStream in = new BufferedInputStream（new FileInputStream（sr））；

//HDFS讀寫的配置文件

Configuration con = new Configuration（）；

FileSystemfs = FileSystem.get（URI.create（des），con）；

OutputStream out = fs.create（new Path（des））；

IOUtils.copyBytes（in， out， 4096， true）；

}

}

從上面兩種方式，我們可以看出，對HDFS文件系統(tǒng)的訪問，無論采用以上哪種，都利用java數(shù)據(jù)流方式來訪問和讀寫數(shù)據(jù)。流式數(shù)據(jù)訪問的優(yōu)點(diǎn)在于，一次寫入，多次去讀取。

5 結(jié)論

Hadoop平臺(tái)本身就是用java實(shí)現(xiàn)的，Java語言跨平臺(tái)的天然特性，使其分別適合于分布式開發(fā)，java中的流數(shù)據(jù)訪問機(jī)制，正是hadoop中HDFS分布式文件系統(tǒng)數(shù)據(jù)訪問的思想原型，流數(shù)據(jù)訪問特別適合于需要持續(xù)生成動(dòng)態(tài)數(shù)據(jù)的場景。流式數(shù)據(jù)訪問，解決了尋址耗時(shí)比較長的問題，更易于實(shí)現(xiàn)對數(shù)據(jù)的動(dòng)態(tài)的處理，并節(jié)省機(jī)器硬盤空間。

作者單位

深圳技師學(xué)院 廣東省深圳市 518000