HDFS詳細介紹

以前有人問我，"我放了一個 *.avi在linux服務器上，你確定找不到嘻嘻"。登上去發現etc文件夾大了好幾個G。。。。

你4不4撒，你爲何不把avi切成多塊，放到不一樣服務器上，這誰能發現呢？？

1. HDFS前言

上面開個玩笑，hdfs實際上不是讓咱們看成網盤來使用的。

● 設計思想

○ 分而治之:將大文件、大批量文件，分佈式存放在大量服務器上，以便於採起分而治之的方式對海量數據進行運算分析。

● 在大數據系統中做用:

○ 爲各種分佈式運算框架(如:mapreduce,spark,tez,....)提供數據存儲服務

● 重點概念:文件切塊，副本存放，元數據

2.HDFS的概念和特性

首先，它是一個文件系統，用於存儲文件，經過統一的命名空間--目錄樹來定位文件
其次，它是分佈式的，由不少服務器聯合起來實現其功能，集羣中的服務器有各自的角色；

重要特性以下:

1. HDFS中的文件在物理上是分塊存儲(block)，塊的大小能夠經過配置參數(dfs.blocksize)來規定，默認大小在hadoop2.x版本中是128M，老版本中是64M
2. HDFS文件系統會給客戶端提供一個統一的抽象目錄樹，客戶端經過路徑來訪問文件，形如:hdfs://namenode:port/dir-a/dir-b/file.data
3. 目錄結構及文件分塊信息(元數據)的管理由namenode節點承擔-------namenode是HDFS集羣主節點，負責維護整個hdfs文件系統的目錄樹，以及每個路徑(文件)所對應的block塊信息(block的id。及所在的datanode服務器)
4. 文件的各個block的存儲管理由datanode節點承擔-----------namenode是HDFS集羣從節點，每個block均可以在多個dataname上存儲多個副本(副本數量也能夠經過參數設置dfs.replication)

5.HDFS是設計成適應一次寫入，屢次讀出的場景，且不支持文件的修改
（注：適合用來作數據分析，並不適合用來作網盤應用，由於，不便修改，延遲大，網絡開銷大，成本過高）

3.HDFS的shell(命令行客戶端)操做

對於HDFS的shell操做能夠說懂linux基本操做的都能玩兩下，無非是在前面加上(hadoop fs -)，後面加上操做的文件或目錄

3.1命令行客戶端支持的命令參數

• help

功能:輸出這個命令參數手冊

• ls

功能:顯示目錄信息
示例: hadoop fs -ls hdfs://hadoop-server01:9000/
備註:這些參數中，全部的hdfs路徑均可以簡寫
-->hadoop fs -ls / 等同於上一條命令的效果

• moveFromLocal

功能:從本地剪切到hdfs

示例: hadoop fs -moveFromLocal /home/hadoop/a.txt /aaa/bbb/cc/dd

• moveToLocal

功能:從hdfs剪切粘貼到本地

示例:hadoop fs -moveToLocal /aaa/bbb/ccc/dd/b.txt /home/hadoop/a.txt

• appendToFile

功能:追加一個文件到已經存在的文件末尾

示例: hadoop fs -appendToFile ./hello.txt /hello.txt

• cat

功能:顯示文件內容
示例:hadoop fs -cat /hello.txt

• tail

功能:顯示一個文件的末尾
示例:hadoop fs -tail /weblog/access_log.1

• text

功能:以字符形式打印一個文件的內容
示例:hadoop fs -text /weblog/access_log.1

• chgrp
• chmod
• chown

功能:linux文件系統中的用法同樣，操做文件的所屬權限
示例:hadoop fs -chmod 666 /hello.txt
hadoop fs -chown someuser:somegrp /hello.txt

• copyFromLocal

功能:從本地複製文件到hdfs路徑去
示例:hadoop fs -copyFromLocal ./jdk.tar.gz /aaa/

• copyToLocal

功能:從hdfs拷貝到本地
示例: hadoop fs -coptToLocal /aaa/jdk.tar.gz

• cp

功能:從hdfs的一個路徑拷貝hdfs的另外一個路徑
示例:hadoop fs -cp /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2

• mv

功能:在hdfs目錄中移動文件
示例:hadoop fs -mv /aaa/jdk.tar.gz /

• get

功能:等同於copyToLocal，就是從hdfs下載文件到本地
示例:hadoop fs -get /aaa/jdk.tar.gz

• getmerge

功能:合併下載多個文件
示例:好比hdfs的目錄/aaa/下有多個文件:log.1,log.2,log.3,....

hadoop fs -getmerge /aaa/log.* ./log.sum

• put

功能:等同於copyFromLocal
示例:hadoop fs -put /aaa/jdk.tar.gz /bbb/jdk.tar.gz.2

• rm

功能:刪除文件或文件夾
示例:hadoop fs -rm -r /aaa/bbb/

• rmdir

功能:刪除空目錄
示例:hadoop fs -rmdir /aaa/bbb/ccc

• df

功能:統計文件系統的可用空間信息
示例:hadoop fs -df -h /

• du

功能:統計文件夾的大小信息
示例:hadoop fs -du -s -h /aaa/*

• count

功能:統計一個指定目錄下的文件節點數量
示例:hadoop fs -count /aaa/

• setrep

功能:設置hdfs中文件的副本數量
示例:hadoop fs -setrep 3 /aaa/jdk.tar.gz
<這裏設置的副本數只是記錄在namenode的元數據中，是否真的會有這麼多副本，還得看datanode的數量>

• 查看hdfs狀態

hdfs dfsadmin -report

HDFS原理篇

4.hdfs的工做機制

(工做機制的學習主要是爲加深對分佈式系統的理解，以及加強遇到各類問題時的分析解決能力，造成必定的集羣運維能力)
注:不少不是真正理解hadoop技術體系的人會經常以爲HDFS可用於網盤類應用，但實際並不是如此。要想將技術準確用在恰當的地方，必須對技術有深入的理解。

4.1概述

1. HDFS集羣分爲兩大角色:NameNode、DataNode
2. NameNode負責管理整個文件系統的元數據
3. DataNode負責管理用戶的文件數據塊
4. 文件會按照固定的大小(blocksize)切成若干塊後分布式存儲在若干臺datanode上
5. 每個文件塊能夠有多個副本，並存放在不一樣的datanode上
6. DataNode會==按期==向NameNode彙報自身所保存的文件block信息，而namenode則會負責保持文件的副本數量
7. HDFS的內部工做機制對客戶端保持透明，==客戶端請求訪問HDFS都是經過向namenode申請來進行==

4.2 HDFS寫數據流程

4.2.1客戶端要向HDFS寫數據，首先要跟namenode通訊以確承認以寫文件並得到接收文件block的datanode，而後客戶端按順序將文件逐個block傳遞給相應datanode，==並由接收到block的datanode負責向其餘datanode複製block的副本。==

這裏說明文件的切割是在客戶端實現的，而不是NameNode。文件的傳輸也是由客戶端傳到指定datanode上，副本由datanode傳給其餘datanode。

4.2.3詳細步驟(重要)

1. 跟namenode通訊請求上傳文件，==namenode檢查目前文件是否已存在，父目錄是否存在==
2. namenode返回是否能夠上傳
3. client請求第一個block該傳輸到哪些datanode服務器上(副本)
4. namenode返回3個datanode服務器ABC(假如副 本數爲3。優先找同機架的，其次不一樣機架，再其次是同機架的再一臺機器。還會根據服務器的容量，)
5. client請求3臺datanode中的一臺A上傳數據==(本質上是一個RPC調用，創建pipeline)==，A收到請求會繼續調用B，而後B調用C，將整個pipeline創建完成，逐級返回客戶端
6. client開始往A上傳第一個block(先從磁盤讀取數據放到一個本地內存緩存)，以packet爲單位，A收到一個packet就會傳給B，B傳給C；A每傳一個packet會放入一個應答隊列等待應答。
7. 當一個block傳輸完成以後，client再次請求namenode上傳第二個block的服務器。

4.3. HDFS讀數據流程

4.3.1概述

客戶端將要讀取的文件路徑發給namenode，namenode獲取文件的元信息(主要是block的存放位置信息)返回給客戶端，客戶端根據返回的信息找到相應datanode逐個獲取文件的block並在==客戶端進行數據追加合併從而得到整個文件。==

4.3.2詳細步驟解析

1. 跟namenode通訊查詢元數據，找到文件塊所在的datanoede服務器
2. 挑選一臺datanode(就近原則，而後隨機)服務器，請求創建socket流
3. datanode開始發送數據(從磁盤裏面讀取數據放入流，以packet爲單位來作校驗)
4. 客戶端以packet爲單位接收，先在本地緩存，而後寫入目標文件

5. NAMENODE工做機制

學習目標:理解namenode的工做機制尤爲是元數據管理機制，以加強對HDFS工做原理的理解，及培養hadoop集羣運營中"性能調優"、"namenode"故障問題的分析解決能力

問題場景:

1. 集羣啓動後，能夠查看文件，可是上傳文件時報錯，打開web可看到namenode正處於safemode狀態，怎麼處理?
2. Namenode服務器的磁盤故障致使namenode宕機，如何挽救集羣及數據？
3. Namenode是否能夠有多個？namenode內存要配置多大？namenode跟集羣數據存儲能力有關係嗎？
4. 文件的blocksize究竟調大好仍是調小好？

。。。。。。。
諸如此類問題的回答，都須要基於對namenode自身的工做原理的深入理解。

5.1 NAMENODE職責

NAMENODE職責:
負責客戶端請求的響應
元數據的管理(查詢、修改)

5.2 元數據管理

namenode對數據的管理採用了三種存儲形式:
內存元數據(NameSystem)
磁盤元數據鏡像文件(fsimage)
數據操做日誌文件(edits.xml)可經過日誌運算出元數據

5.2.1元數據存儲機制(重要)

A、內存中有一份完整的元數據(內存meta data)
B、磁盤有一個"準完整"的元數據鏡像(fsimage)文件(在namenode的工做目錄中)
C、用於銜接內存metadata和持久化元數據鏡像fsimage之間的操做日誌(edits文件)

==注:當客戶端對hdfs中的文件進行新增或者修改操做，操做記錄首先被記入edits日誌文件中，當客戶端操做完成後，相應的元數據會更新到內存meta.data中。==

5.2.2 元數據手動查看

可經過hdfs的一個工具來查看edits中的信息
hdfs oev -i edits -o edits.xml
hdfs oiv -i fsimage_0000000087 -p XML -o fsimage.xml

inputfile: 要查看的fsimage文件

outputfile: 用於保存格式化以後的文件
   process: 使用什麼進程解碼，XML|Web|...

5.2.3 元數據的checkpoint

每隔一段時間(30分鐘)，會由secondary namenode將namenode上積累的全部edits(edits文件會當即滾動一次，以便checkpoint的是最新的操做)和一個最新的fsimage下載到本地(通常只在第一次checkpoint時下載，後面checkpont，secondary namenode中已經有最新的fsimage)，並加載到內存進行merge，而後dump成新的image文件，上傳給namenode，而後在namenode重命名爲fsimage(這個過程稱爲checkpoint)

詳細過程:

checkpoint操做的觸發條件配置參數

dfs.namenode.checkpoint.check.period=60 #每60秒檢查，是否須要checkpoint
dfs.namenode.checkpoint.dir=file://${hadoop.tmp.dir}/dfs/namesecondary
#以上兩個參數作checkpoint操做時，secondary namenode的本地工做目錄
dfs.namenode.checkpoint.edits.dir=${dfs.namenode.checkpoint.dir}

dfs.namenode.checkpoint.max-retries=3 #最大重試次數
dfs.namenode.checkpoint.period=3600 #兩次checkpoint之間的時間間隔3600秒
dfs.namenode.checkpoint.txns=1000000 #兩次checkpoint之間最大的操做記錄

checkpoint的附帶做用

namenode和secondary namenode的工做目錄存儲結構徹底相同，因此，==當namenode故障退出須要從新恢復時，能夠從secondary namenode的工做目錄將fsimage拷貝到namenode的工做目錄，以恢復namenode的元數據(namenode啓動時會加載fsimage)。==

5.2.4 元數據目錄說明

在第一次部署好Hadoop集羣的時候，咱們須要在NameNode(NN)節點上格式化磁盤:
==hdfs namenode -format==
格式化完成以後，將會在$dfs.name.dir/current目錄下以下的文件結構
    current/
    |-- VERSION
    |-- edits_*
    |-- fsimage_00000000008547077
    |-- fsimage_00000000008547077.md5
    | -- seen_txid

其中的dfs.namenode.dir是在hdfs-site.xml文件中配置的，默認值以下:

<property>
    <name>dfs.name.dir</name>
    <value>file://${hadoop.tmp.dir}/dfs/name</value>
</property>

hadoop.tmp.dir是在core-site.xml中配置的，默認值以下

<property> 
<name>hadoop.tmp.dir</name> 
<value>/tmp/hadoop-${user.name}</value> 
<description>A base for other temporary directories.</description>
</property>

dfs.namenode.name.dir屬性能夠配置多個目錄，如/data1/dfs/name,/data2/dfs/name,/data3/dfs/name,....。各個目錄存儲的文件結構和內容都徹底同樣，至關於備份，這樣作的好處是當其中一個目錄損壞了，也不會影響到Hadoop的元數據，特別是當其中一個目錄是NFS(網絡文件系統 Network File System,NFS) 之上，即時你這臺機器損壞了，元數據也獲得保存。

下面對$dfs.namenode.name.dir/current/目錄下的文件進行解釋。

一、VERSION文件是Java屬性文件，內容大體以下:

#Fri Nov 15 19:47:46 CST 2013namespaceID=934548976clusterID=CID-cdff7d73-93cd-4783-9399-0a22e6dce196cTime=0storageType=NAME_NODEblockpoolID=BP-893790215-192.168.24.72-1383809616115layoutVersion=-47

其中

(1)、namespaceID是文件系統的惟一標識符，==在文件系統首次格式化以後生成的；==
(2)、storageType說明這個文件存儲的是什麼進程的數據結構信息(若是是DataNode，storageType=DATA_NODE)；
(3)、cTime表示NameNode存儲的建立時間，因爲個人NameNode沒有更新過，因此這裏的記錄值爲0，之後對NameNode升級以後，cTime將會記錄更新時間戳；
(4)、layoutVersion表示HDFS永久性數據結構的版本信息，只要數據結構變動，版本號也要遞減，此時的HDFS也須要升級，不然磁盤仍舊是使用舊版本的數據結構，這會致使新版本的NameNode沒法使用
(5)、clusterID是系統生成或手動指定的集羣ID，在-clusterid選項中可使用它:以下說明

a、使用以下命令格式化一個Namenode:
        $HADOOP_HOME/bin/hdfs namenode -format [-clusterid <cluster_id>]
        選擇一個惟一的cluster_id，而且這個cluster_id不能與環境中其餘集羣有衝突。若是沒有提供cluster_id，則會自動生成一個惟一的ClusterID。
        b、使用以下命令格式化其餘Namenode：
        $HADOOP_HOME/bin/hdfs -format -clusterId <cluster_id>
        c、升級集羣至最新版本。在升級過程當中須要提供一個ClusterID，例如:
        $HADOOP_PREFIX_HOME/bin/hdfs start namenode --config $HADOOP_CONF_DIR -upgrade -clusterId <cluster_ID>
        若是沒有提供ClusterID，則會自動生成一個ClusterID。

(6)、blockpoolID:是針對每個Namespace所對應的blockpool的ID，上面的這個BP-893790215-192.168.24.72-1383809616115就是在個人server1的namespace下的存儲塊池的ID，==這個ID包括了其對應的NameNode節點的ip地址。==

二、$dfs.namenode.name.dir/current/seen_txid很是重要，是存放transactionId的文件，format以後是0，==它表明的是namenode裏面的edits_*文件的尾數==，==namenode重啓的時候，會按照seen_txid的數字，循序從頭跑edits_00000001~到seen_txid的數字。因此當你的hdfs發生異常重啓的時候，必定要比對seen_txid內的數字是否是你edits最後的尾數，否則會發生創建namenode時metaData的資料有缺乏，致使誤刪Datanode上多餘Block的資訊。==

三、$dfs.namenode.name.dir/current目錄下在format的同時也會生成fsimage和edits文件，及其對應的md5校驗文件。

補充:seen_txid
文件中記錄的是edits滾動的序號，每次重啓namenode時，namenode就知道要將哪些edits進行加載。

1. DATANODE的工做機制

問題場景:
一、集羣容量不夠，怎麼擴容？
二、若是有一些datanode宕機，該怎麼辦？
三、datanode明明已啓動，可是集羣中的可用datanode列表中就是沒有，怎麼辦？

以上這類問題的解答，有賴於對datanode工做機制的深入理解。

6.1 概述

一、Datanode工做職責:

存儲管理用戶的文件塊數據
按期向namenode彙報自身所持有的block信息(經過心跳信息上報)
(這點很重要，由於當集羣發生某些block副本失效時，集羣如何恢復block初始副本數量的問題)

<property>
    <name>dfs.blockreport.intervalMsec</name>
    <value>3600000</value>
    <description>Determines blockreporting interval in milliseconds.</description>
</property>

二、Datanode掉線判斷時限參數

datanode進程死亡或者網絡故障形成datanode沒法與namenode通訊，==namenode不會當即把該節點斷定爲死亡，要通過一段時間，這段時間暫稱做超時時長。HDFS默認的超時時長爲10分鐘+30秒==。若是定義超時時間爲timeout，則超時時長的計算公式爲:
==timeout  = 2 * heartbeat.recheck.interval + 10 * dfs.heartbeat.interval。==
而默認的heartbeat.recheck.interval大小爲5分鐘，dfs.heartbeat.interval默認爲3秒總共爲10分鐘+30秒
須要注意的是hdfs-site.xml配置文件的heart.recheck.interval的單位爲毫秒，dfs.heartbeat.interval的單位爲秒。因此舉個例子，若是heartbeat.recheck.interval設置爲5000(毫秒)，dfs.heartbeat.interval設置爲3(秒，默認)，則總的超時時間爲40秒。

$hadoop.temp.dir/dfs/data/current/BP-193442119-192.168.2.120-1432457733977/current/finalized
    <property>
        <name>heartbeat.recheck.interval</name>
        <value>5000</value>
    </property>
    <property>
        <name>dfs.heartbeat.interval</name>
        <value>3</value>
    </property>

6.2 觀察驗證DATANODE功能

上傳一個文件，觀察文件的block具體的物理存放狀況:
在每一臺datanode機器上的這個目錄能找到文件的切塊:

7.javaAPI操做HDFS

hdfs在生產應用中主要是客戶端的開發，==其核心步驟是從hdfs提供的api中構造一個HDFS的訪問客戶對象，而後經過該客戶端對象操做(增刪改查)HDFS上的文件==

7.1

一、導入依賴

<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-client</artifactId>
    <version>2.6.1</version>
    </dependency>

7.2

在java中操做hdfs，首先要得到一個客戶端實例

Configuration conf = new Configuration();
 FileSystem fs = FileSystem.get(conf);

==而咱們的操做目標是HDFS，因此獲取到的fs對象應該是DistributedFileSystem的實例；==

get方法是從何處判斷具體實例化哪一種客戶端類呢？
--------從conf中的一個參數fs.defaultFS的配置值判斷;

若是咱們的代碼中沒有指定fs.defaultFS，而且工程classpath下也沒有給定相應的配置，conf中的默認值就來自於hadoop的jar包中的core-default.xml，==默認值爲: file:///，則獲取的將不是一個DistributedFileSystem的實例，而是一個本地文件系統的客戶端對象。==

7.3HDFS客戶端操做數據代碼示例:

7.3.1文件的增刪改查

public class HdfsClient {
FileSystem fs = null;
@Before
public void init() throws Exception {
// 構造一個配置參數對象，設置一個參數：咱們要訪問的hdfs的URI
// 從而FileSystem.get()方法就知道應該是去構造一個訪問hdfs文件系統的客戶端，以及hdfs的訪問地址
// new Configuration();的時候，它就會去加載jar包中的hdfs-default.xml
// 而後再加載classpath下的hdfs-site.xml
Configuration conf = new Configuration();
conf.set("fs.defaultFS", "hdfs://hdp-node01:9000");
/**
* 參數優先級： 一、客戶端代碼中設置的值 二、classpath下的用戶自定義配置文件 三、而後是服務器的默認配置
*/
conf.set("dfs.replication", "3");
// 獲取一個hdfs的訪問客戶端，根據參數，這個實例應該是DistributedFileSystem的實例
// fs = FileSystem.get(conf);
// 若是這樣去獲取，那conf裏面就能夠不要配"fs.defaultFS"參數，並且，這個客戶端的身份標識已是hadoop用戶
fs = FileSystem.get(new URI("hdfs://server1:9000"), conf, "hadoop");
}
/**
* 往hdfs上傳文件
*
* @throws Exception
*/
@Test
public void testAddFileToHdfs() throws Exception {
// 要上傳的文件所在的本地路徑
Path src = new Path("/home/redis-recommend.zip");
// 要上傳到hdfs的目標路徑
Path dst = new Path("/aaa");
fs.copyFromLocalFile(src, dst);
fs.close();
    
}
/**
* 從hdfs中複製文件到本地文件系統
*
* @throws IOException
* @throws IllegalArgumentException
*/
@Test
public void testDownloadFileToLocal() throws IllegalArgumentException, IOException {
fs.copyToLocalFile(new Path("/jdk8.tar.gz"), new Path("/home"));
fs.close();
    
}
@Test
public void testMkdirAndDeleteAndRename() throws IllegalArgumentException, IOException {
// 建立目錄
fs.mkdirs(new Path("/a1/b1/c1"));
// 刪除文件夾 ，若是是非空文件夾，參數2必須給值true
fs.delete(new Path("/aaa"), true);
// 重命名文件或文件夾
fs.rename(new Path("/a1"), new Path("/a2"));
}
/**
* 查看目錄信息，只顯示文件
*
* @throws IOException
* @throws IllegalArgumentException
* @throws FileNotFoundException
*/
@Test
public void testListFiles() throws FileNotFoundException, IllegalArgumentException, IOException {
    // 思考：爲何返回迭代器，而不是List之類的容器
    //由於若是集羣中有成千上萬的文件，放入集合中很損耗性能。而返回一個迭代器，則無需將所有文件一次性返回。要取哪一個文件再去訪問HDFS獲取
    RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
    while (listFiles.hasNext()) {
        LocatedFileStatus fileStatus = listFiles.next();
        System.out.println(fileStatus.getPath().getName());
        System.out.println(fileStatus.getBlockSize());
        System.out.println(fileStatus.getPermission());
        System.out.println(fileStatus.getLen());                     //獲取該文件的塊信息
        BlockLocation[] blockLocations = fileStatus.getBlockLocations();
        for (BlockLocation bl : blockLocations) {
        System.out.println("block-length:" + bl.getLength() + "--" + "block-offset:" + bl.getOffset());
        String[] hosts = bl.getHosts();
        for (String host : hosts) {
        System.out.println(host);
        
    }
    
}

    
}
}
/**
* 查看文件及文件夾信息
*
* @throws IOException
* @throws IllegalArgumentException
* @throws FileNotFoundException
*/
@Test
public void testListAll() throws FileNotFoundException, IllegalArgumentException, IOException {
FileStatus[] listStatus = fs.listStatus(new Path("/"));
String flag = "d--";
for (FileStatus fstatus : listStatus) {
if (fstatus.isFile()) flag = "f--";
System.out.println(flag + fstatus.getPath().getName());
}
}}

==注意:listFiles和listStatus的區別。listFiles能夠遞歸遍歷全部文件，而listStatus只能查看某一目錄下的文件和文件夾。==

7.4.2 經過流的方式訪問hdfs

/**
* 相對那些封裝好的方法而言的更底層一些的操做方式
* 上層那些mapreduce spark等運算框架，去hdfs中獲取數據的時候，就是調的這種底層的api
* @author
*
*/
public class StreamAccess {
    FileSystem fs = null;
    @Before
    public void init() throws Exception {
    Configuration conf = new Configuration();
    fs = FileSystem.get(new URI("hdfs://server1:9000"), conf, "hadoop");
}

/**
* 經過流的方式上傳文件到hdfs
* @throws Exception
*/
@Test
public void testUpload() throws Exception {
    FSDataOutputStream outputStream = fs.create(new Path("/hello.txt"), true);
    FileInputStream inputStream = new FileInputStream("/home/hello.txt");
    IOUtils.copy(inputStream, outputStream);
}

@Test
public void testDownLoadFileToLocal() throws IllegalArgumentException, IOException{
    //先獲取一個文件的輸入流----針對hdfs上的
    FSDataInputStream in = fs.open(new Path("/jdk8.tar.gz"));
    //再構造一個文件的輸出流----針對本地的
    FileOutputStream out = new FileOutputStream(new File("/home/jdk.tar.gz"));
    //再將輸入流中數據傳輸到輸出流
    IOUtils.copyBytes(in, out, 4096);
}

/**
* hdfs支持隨機定位進行文件讀取，並且能夠方便地讀取指定長度
* 用於上層分佈式運算框架併發處理數據
* @throws IllegalArgumentException
* @throws IOException
*/
@Test
public void testRandomAccess() throws IllegalArgumentException, IOException{
    //先獲取一個文件的輸入流----針對hdfs上的
    FSDataInputStream in = fs.open(new Path("/hello.txt"));
    //能夠將流的起始偏移量進行自定義
    in.seek(22);
    //再構造一個文件的輸出流----針對本地的
    FileOutputStream out = new FileOutputStream(new File("/home/hello.line.2.txt"));
    IOUtils.copyBytes(in,out,19L,true);
}

/**
* 顯示hdfs上文件的內容
* @throws IOException
* @throws IllegalArgumentException
*/
@Test
public void testCat() throws IllegalArgumentException, IOException{
    FSDataInputStream in = fs.open(new Path("/hello.txt"));
    IOUtils.copyBytes(in, System.out, 1024);
}
    
}

關注公衆號領取更多福利