Hadoop-读取数据的几种方式

1.Hadoop URL中读取数据

import java.io.IOException;
import java.io.InputStream;
import java.net.URL;

import org.apache.hadoop.fs.FsUrlStreamHandlerFactory;
import org.apache.hadoop.io.IOUtils;


public class URLReader {
	
	//重点。Java之所以能够识别Hadoop文件系统是URL的setURLStreamHandlerFactory设置成了FsUrlStreamHandlerFactory实例
	//这种方法在java虚拟机中只能被调一次，因此一般都放在静态块中。
	static{
		URL.setURLStreamHandlerFactory(new FsUrlStreamHandlerFactory());
	}
	
	
	public static void main(String[] args){
		InputStream in =null;
		try {
			in=new URL("hdfs://master:9000/input/file2.txt").openStream();
			IOUtils.copyBytes(in, System.out, 4096,false);
		} catch (IOException e) {
			e.printStackTrace();
		}finally {
			IOUtils.closeStream(in);
		}
	}
}

2.FileSystem读取数据

import java.io.InputStream;
import java.net.URI;

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

public class FileSystemReader {
	
	public static void main(String[] args) throws Exception{
		String uri="hdfs://master:9000/input/file2.txt";
		Configuration conf=new Configuration();
		FileSystem fs=FileSystem.get(URI.create(uri),conf);
		InputStream in=null;
		try{
			in=fs.open(new Path(uri));
			IOUtils.copyBytes(in, System.out, 4096,false);
		}finally{
			IOUtils.closeStream(in);
		}
	}
	
}

用的文本是一样的，所以读取出的数据也是一样的。

用FSDataInputStream代替InputStream

FileSystem.open()返回的实际上是FSDataInputStream，而不是标准的java.io类。

FSDataInputStream是DataInputStream的一个子类，支持随机访问，这样就可以从流的任意位置读取数据了。

import java.net.URI;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;

public class FSDataInputStreamReader {
	
	public static void main(String[] args) throws Exception{
		String uri="hdfs://master:9000/input/file2.txt";
		Configuration conf=new Configuration();
		FileSystem fs=FileSystem.get(URI.create(uri),conf);
		FSDataInputStream in=null;
		try{
			in=fs.open(new Path(uri));
			IOUtils.copyBytes(in, System.out, 4096,false);
			//seek与skip不同之处是，并不只限定数据流当前位置之后，它可以移到文件中任意一个绝对位置。
			//注意：如果seek定位大于文件长度的位置，会导致IOException异常。
			in.seek(2);
			IOUtils.copyBytes(in, System.out, 4096,false);
		}finally{
			IOUtils.closeStream(in);
		}
	}
}

注意：seek()是一个相对高开销的操作，需要谨慎使用。我们需要依靠流数据来构建应用访问模式（如使用MapReduce），而不是大量执行seek操作。