Hadoop集成Spring的使用

Spring Hadoop简单概述

Spring Hadoop官网地址如下：

站在用户的角度思考问题，与客户深入沟通，找到鹤壁网站设计与鹤壁网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：成都网站制作、成都网站设计、企业官网、英文网站、手机端网站、网站推广、域名与空间、网页空间、企业邮箱。业务覆盖鹤壁地区。

https://projects.spring.io/spring-hadoop/

Spring Hadoop简化了Apache Hadoop，提供了一个统一的配置模型以及简单易用的API来使用HDFS、MapReduce、Pig以及Hive。还集成了其它Spring生态系统项目，如Spring Integration和Spring Batch.。

特点：

• 支持创建Hadoop应用，配置使用依赖注入和运行标准的java应用程序和使用Hadoop的命令行工具。
• 集成Spring Boot，可以简单地创建Spring应用程序去连接HDFS进行读写数据。
• 创建和配置，使用java的MapReduce，Streaming，Hive，Pig或HBase。
• 扩展Spring Batch支持创建基于Hadoop的工作流的任何类型的Hadoop Job或HDFS的操作。
• 脚本HDFS操作使用任何基于JVM的脚本语言。
• 基于SpringBoot轻松地创建自定义的基础应用，应用可以部署在YARN上。
• 支持DAO，可以使用模板或回调的方式操作Hbase
• 支持Hadoop安全验证

Spring Hadoop2.5的官方文档及API地址：

https://docs.spring.io/spring-hadoop/docs/2.5.0.RELEASE/reference/html/
https://docs.spring.io/spring-hadoop/docs/2.5.0.RELEASE/api/

Spring Hadoop开发环境搭建及访问HDFS文件系统

创建一个maven工程，配置依赖如下：

    
      cloudera
      https://repository.cloudera.com/artifactory/cloudera-repos/
      
        true
      
      
        false
      
    
  

  
    UTF-8
    2.6.0-cdh6.7.0
  

  
    
      org.apache.hadoop
      hadoop-client
      ${hadoop.version}
      provided
    
    
    
      com.kumkee
      UserAgentParser
      0.0.1
    
    
      junit
      junit
      4.10
      test
    
    
    
      org.springframework.data
      spring-data-hadoop
      2.5.0.RELEASE
    
  

  
  
    
      
        maven-assembly-plugin
        
          
            
              
            
          
          
            jar-with-dependencies
          
        
      
    
  

在工程中创建resource目录以及配置文件，配置文件的名可以自定义，配置文件中增加如下内容：

    
    
    
        
        fs.defaultFS=${spring.hadoop.fsUri}
    
    
    

然后再创建一个属性文件application.properties（文件名称可自定义），把一些容易改变的配置信息配置在属性文件下，例如我这里是将服务器的url配置在属性文件里，内容如下：

spring.hadoop.fsUri=hdfs://192.168.77.128:8020

完成以上操作之后，我们的Spring Hadoop开发环境就算是搭建完成了，毕竟使用Maven就是方便。

接下来我们来创建个测试类，测试一下是否能够正常对HDFS文件系统进行操作：

package org.zero01.spring;

import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;
import org.springframework.context.ApplicationContext;
import org.springframework.context.support.ClassPathXmlApplicationContext;

import java.io.IOException;

/**
 * @program: hadoop-train
 * @description: 使用Spring Hadoop来访问HDFS文件系统
 * @author: 01
 * @create: 2018-04-04 17:39
 **/
public class SpringHadoopApp {

    private ApplicationContext ctx;
    private FileSystem fileSystem;

    @Before
    public void setUp() {
        ctx = new ClassPathXmlApplicationContext("beans.xml");
        fileSystem = (FileSystem) ctx.getBean("fileSystem");
    }

    @After
    public void tearDown() throws IOException {
        ctx = null;
        fileSystem.close();
    }

    /**
     * 在HDFS上创建一个目录
     * @throws Exception
     */
    @Test
    public void testMkdirs()throws Exception{
        fileSystem.mkdirs(new Path("/SpringHDFS/"));
    }
}

以上的代码是执行成功的，然后到服务器上查看一下根目录下是否有SpringHDFS这个目录：

[root@hadoop000 ~]# hdfs dfs -ls /
Found 7 items
-rw-r--r--   3 root supergroup    2769741 2018-04-02 21:13 /10000_access.log
drwxr-xr-x   - root supergroup          0 2018-04-04 17:50 /SpringHDFS
drwxr-xr-x   - root supergroup          0 2018-04-02 21:22 /browserout
drwxr-xr-x   - root supergroup          0 2018-04-02 20:29 /data
drwxr-xr-x   - root supergroup          0 2018-04-02 20:31 /logs
drwx------   - root supergroup          0 2018-04-02 20:39 /tmp
drwxr-xr-x   - root supergroup          0 2018-04-02 20:39 /user
[root@hadoop000 ~]# hdfs dfs -ls /SpringHDFS
[root@hadoop000 ~]# 

可以看到SpringHDFS目录已经成功被创建了，这就代表我们配置的工程没有问题。

既然创建目录没有问题，我们就再来写一个测试方法，用来读取HDFS上某个文件的内容，代码如下：

/**
 * 读取HDFS上的文件内容
 * @throws Exception
 */
@Test
public void testText()throws Exception{
    FSDataInputStream in = fileSystem.open(new Path("/browserout/part-r-00000"));
    IOUtils.copyBytes(in, System.out, 1024);
    in.close();
}

以上的代码执行成功，控制台输出结果如下：

Chrome  2775
Firefox 327
MSIE    78
Safari  115
Unknown 6705

读和写都没有问题了，这下就能愉快的在工程里使用Spring Hadoop简化我们的开发了。

Spring Boot访问HDFS文件系统

以上介绍了Spring Hadoop访问HDFS，接下来再简单介绍一下使用Spring Boot访问HDFS，使用Spring Boot会更加简单。

首先需要在pom.xml文件中，加入Spring Boot的依赖：

  org.springframework.data
  spring-data-hadoop-boot
  2.5.0.RELEASE

package org.zero01.spring;

import org.apache.hadoop.fs.FileStatus;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.CommandLineRunner;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.data.hadoop.fs.FsShell;

/**
 * @program: hadoop-train
 * @description: 使用spring boot来访问HDFS
 * @author: 01
 * @create: 2018-04-04 18:45
 **/
@SpringBootApplication
public class SpringBootHDFSApp implements CommandLineRunner {

    @Autowired
    FsShell fsShell;  // 用于执行hdfs shell命令的对象

    public void run(String... strings) throws Exception {
        // 查看根目录下的所有文件
        for (FileStatus fileStatus : fsShell.ls("/")) {
            System.out.println("> " + fileStatus.getPath());
        }
    }

    public static void main(String[] args) {
        SpringApplication.run(SpringBootHDFSApp.class, args);
    }
}

控制台输出如下：

> hdfs://192.168.77.128:8020/
> hdfs://192.168.77.128:8020/10000_access.log
> hdfs://192.168.77.128:8020/SpringHDFS
> hdfs://192.168.77.128:8020/browserout
> hdfs://192.168.77.128:8020/data
> hdfs://192.168.77.128:8020/logs
> hdfs://192.168.77.128:8020/tmp
> hdfs://192.168.77.128:8020/user