Hadoop web编程--REST API WebHDFS

问题导读

1.外部的应用程序需要操作HDFS的情况，该如何解决？
2.WebHDFS REST API可以完成什么事情？
3.Httpfs 配置启动，core-site.xml、hdfs-site.xml文件改如何配置？
4.REST API 如何启动httpfs？
5.通过什么命令可以查看hdfs文件的状态？
6.WebHDFS常用操作都包含什么？该如何实现？

1 介绍
Hadoop提供了一个Java native API来支持对文件系统进行创建，重命名，删除文件或者目录，打开读取或者写文件，设置文件权限等操作。这对于运行在hadoop集群中的应用程序来说是挺棒的，但是，也有许多外部的应用程序需要操作HDFS的情况，怎么办？如果解决这种问题呢？Hortonworks 开发了一些额外的API来支持这些基于标准REST功能的需求。

2 WebHDFS REST API

WebHDFS观念是基于HTTP操作，比如GET、PUT、POST和DELETE。像OPEN、GETFILESTATUS、LISTSTATUS的操作是使用HTTP GET，其它的像CREAT、MKDIRS、RENAME、SETPERMISSION是依赖于HTTP PUT类型。APPEND操作时基于HTTP POST类型，然而，DELETE是使用HTTP DELETE。
认证方式可以使用基于user.name参数或者如果安全机制开启了就依赖于Kerberos。标准的URL格式如下所示：
http://host:port/webhdfs/v1/?op=operation&user.name=username
默认的启动对口是14000，你可以在httpfs-env.sh 中配置端口的值。所有与httpfs有关的环境参数变量，你可以再httpfs-env.sh中进行个性化的配置。

3 Httpfs 配置启动

编辑core-site.xml文件，添加如下内容：

…
  <property>
    <name>hadoop.proxyuser.#HTTPFSUSER#.hosts</name>
    <value>*</value>
  </property>
  <property>
    <name>hadoop.proxyuser.#HTTPFSUSER#.groups</name>
    <value>*</value>
  </property>
….
复制代码

值得注意的是，#HTTPFSUSER#指的是用户名，即linux启动httpfs的用户。

编辑hdfs-site.xml文件，添加下列属性配置。

<property>
          <name>dfs.webhdfs.enabled</name>
           <value>true</value>
</property>
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
复制代码

另外，想知道更多的有关HDFS端口信息，请参考Cloudera blog.
启动httpfs，执行如下命令：

httpfs.sh start  
复制代码

4 验证
一切配置好了之后，测试一下是否配置成功是非常有必要的。有这样一种情况，我们需要知道hdfs 目录下tmp的文件状态。按照这样的需求，我们可以编写这样的命令：
命令行下

curl –i http://hadoop-master:14000/webhdfs/v1/tmp?user.name=app&op=GETFILESTATUS  
HTTP/1.1 200 OK  
Server:Apache-Coyote/1.1  
Set-Cookie:hadoop.auth="u=app&p=app&t=simple&e=1393293979907&s=9YBXB7GM3oiIOYgflAjlq3GIpxc=";Version=1; Path=/  
Content-Type:application/json  
Transfer-Encoding:chunked  
Date: Mon, 24Feb 2014 16:06:20 GMT  
   
{"FileStatus":{"pathSuffix":"","type":"DIRECTORY","length":0,"owner":"app","group":"supergroup","permission":"720","accessTime":0,"modificationTime":1391352186043,"blockSize":0,"replication":0}}  
复制代码

浏览器中：

http://hadoop-master:14000/webhdfs/v1/tmp?user.name=app&op=GETFILESTATUS  
复制代码

返回信息：

{"FileStatus":{"pathSuffix":"","type":"DIRECTORY","length":0,"owner":"app","group":"supergroup","permission":"720","accessTime":0,"modificationTime":1391352186043,"blockSize":0,"replication":0}}  
复制代码

5介绍几种常用的WebHDFS操作

5.1 创建
创建一个目录/tmp/webhdfs。

curl-i -X PUT"http://hadoop-master:14000/webhdfs/v1/tmp/webhdfs?user.name=app&op=MKDIRS"  
HTTP/1.1 200 OK  
Server: Apache-Coyote/1.1  
Set-Cookie:hadoop.auth="u=app&p=app&t=simple&e=1393356198808&s=74NhnIdH7WceKqgTW7UJ1ia9h10=";Version=1; Path=/  
Content-Type: application/json  
Transfer-Encoding: chunked  
Date: Tue, 25 Feb 2014 09:23:23 GMT
复制代码

达到相似的功能，Hadoop 命令：

hdfs dfs -mkdir /tmp/webhdfs
复制代码

创建一个文件

创建一个文件需要两个步骤：第一步是在namenode运行命令，第二步根据第一步提供的location参数执行PUT操作。

curl -i -X PUT"http://hadoop-master:50070/webhdfs/v1/tmp/webhdfs/webhdfs-test.txt?user.name=app&op=CREATE"  
HTTP/1.1 307 TEMPORARY_REDIRECT  
Cache-Control: no-cache  
Expires: Thu, 01-Jan-1970 00:00:00 GMT  
Date: Wed, 26 Feb 2014 14:35:29 GMT  
Pragma: no-cache  
Date: Wed, 26 Feb 2014 14:35:29 GMT  
Pragma: no-cache  
Set-Cookie:hadoop.auth="u=app&p=app&t=simple&e=1393461329238&s=as2cO3rRtvj8psr0jAhMk6YBHRY=";Path=/  
Location:http://machine-2:50075/webhdfs/v1/tmp/webhdfs/webhdfs-test.txt?op=CREATE&user.name=app&namenoderpcaddress=hadoop-master:9000&overwrite=false  
Content-Type: application/octet-stream  
Content-Length: 0  
Server: Jetty(6.1.26
复制代码

发送数据到指定文件中：

curl -i -X PUT -T webhdfs-test.txt"http://machine-2:50075/webhdfs/v1/tmp/webhdfs/webhdfs-test.txt?op=CREATE&user.name=app&namenoderpcaddress=hadoop-master:9000&overwrite=false"  
HTTP/1.1 100 Continue  
   
HTTP/1.1 201 Created  
Cache-Control: no-cache  
Expires: Wed, 26 Feb 2014 14:37:51 GMT  
Date: Wed, 26 Feb 2014 14:37:51 GMT  
Pragma: no-cache  
Expires: Wed, 26 Feb 2014 14:37:51 GMT  
Date: Wed, 26 Feb 2014 14:37:51 GMT  
Pragma: no-cache  
Location:webhdfs://0.0.0.0:50070/tmp/webhdfs/webhdfs-test.txt  
Content-Type: application/octet-stream  
Content-Length: 0  
Server: Jetty(6.1.26)
复制代码

5.2 读取文件
读取/input文件信息，使用-L参数。

[app@hadoop-master ~]$ curl -i -L"http://hadoop-master:14000/webhdfs/v1/input?op=OPEN&user.name=app"  
HTTP/1.1 200 OK  
Server: Apache-Coyote/1.1  
Set-Cookie:hadoop.auth="u=app&p=app&t=simple&e=1393420279602&s=dSnnx9oOwgGwVV/Q/ZmFyRjbtFU=";Version=1; Path=/  
Content-Type: application/octet-stream  
Content-Length: 1358  
Date: Wed, 26 Feb 2014 03:11:19 GMT  
Apache HBase [1] is an open-source,distributed, versioned, column-oriented  
store modeled after Google' Bigtable: ADistributed Storage System for  
Structured Data by Chang et al.[2]  Just as Bigtable leverages the distributed  
data storage provided by the Google FileSystem, HBase provides Bigtable-like  
capabilities on top of Apache Hadoop[3].  
   
To get started using HBase, the fulldocumentation for this release can be  
found under the doc/ directory thataccompanies this README.  Using abrowser,  
open the docs/index.html to view theproject home page (or browse to [1]).  
The hbase 'book' at docs/book.html has a'quick start' section and is where you  
should being your exploration of thehbase project.  
   
The latest HBase can be downloaded froman Apache Mirror [4].  
   
The source code can be found at [5]  
   
The HBase issue tracker is at [6]  
   
Apache HBase is made available under theApache License, version 2.0 [7]  
   
The HBase mailing lists and archives arelisted here [8].  
   
1. http://hbase.apache.org  
2.http://labs.google.com/papers/bigtable.html  
3. http://hadoop.apache.org  
4.http://www.apache.org/dyn/closer.cgi/hbase/  
5.http://hbase.apache.org/docs/current/source-repository.html  
6.http://hbase.apache.org/docs/current/issue-tracking.html  
7.http://hbase.apache.org/docs/current/license.html  
8. http://hbase.apache.org/docs/current/mail-lists.html
复制代码

5.3 重命名目录
需要修改op的值和添加destination参数，实例如下所示：

[app@hadoop-master~]$ curl -i -X PUT  
"http://hadoop-master:14000/webhdfs/v1/tmp/webhdfs?op=RENAME&user.name=app&destination=/tmp/webhdfs-new"  
[app@hadoop-master~]$ curl -i -X PUT  
"http://hadoop-master:14000/webhdfs/v1/tmp/webhdfs?op=RENAME&user.name=app&destination=/tmp/webhdfs-new"  
HTTP/1.1 200 OK  
Server:Apache-Coyote/1.1  
Set-Cookie: hadoop.auth="u=app&p=app&t=simple&e=1393420506278&s=Oz9HEzxuYvP8kfAY4SWH6h+Gb50=";Version=1; Path=/  
Content-Type:application/json  
Transfer-Encoding:chunked  
Date: Wed, 26 Feb2014 03:15:06 GMT  
   
{"boolean":true}
复制代码

验证是否正确地执行，输入下列命令：

[app@hadoop-master~]$ hdfs dfs -ls /tmp  
Found 5 items  
drwx------   - app supergroup          0 2014-01-08 08:02 /tmp/hadoop-yarn  
drwxr-xr-x   - app supergroup          0 2014-02-02 09:43 /tmp/hdfs_out  
drwxr-xr-x   - app supergroup          0 2014-02-20 22:39 /tmp/hive-app  
drwxr-xr-x   - app supergroup          0 2014-02-25 04:25 /tmp/jps  
drwxr-xr-x   - app supergroup          0 2014-02-25 04:23 /tmp/webhdfs-new
复制代码

5.4 删除目录
非空的目录删除的话会抛出异常，只有为空的目录才会被删除。

[app@hadoop-master ~]$ curl -i -X DELETE  
"http://hadoop-master:14000/webhdfs/v1/tmp/webhdfs-new?op=DELETE&user.name=app"  
HTTP/1.1 200 OK  
Server: Apache-Coyote/1.1  
Set-Cookie:hadoop.auth="u=app&p=app&t=simple&e=1393421161052&s=r03LOm2hO91ujcc66wNWyMJnDx4=";Version=1; Path=/  
Content-Type: application/json  
Transfer-Encoding: chunked  
Date: Wed, 26 Feb 2014 03:26:01 GMT  
   
{"boolean":true}
复制代码

核查是否正确地执行

[app@hadoop-master ~]$ hdfs dfs -ls /tmp  
Found 4 items  
drwx------   -app supergroup          0 2014-01-0808:02 /tmp/hadoop-yarn  
drwxr-xr-x   -app supergroup          0 2014-02-0209:43 /tmp/hdfs_out  
drwxr-xr-x   -app supergroup          0 2014-02-2022:39 /tmp/hive-app  
drwxr-xr-x   -app supergroup          0 2014-02-2504:25 /tmp/jps
复制代码

总结

WebDFS提供了一个简单、标准的方式来执行Hadoop 文件系统操作，这个客户端不必运行在Hadoop集群本身中。WebHDFS最主要的特性是让客户端通过预定义端口直接地链接namenode 和 datanode。这样的话，规避了好多HDFS proxy的代理层以及预先配置Tomcat的绑定。WebHDFD API是可互相交换的，这样让客户端不需要去打开防火墙端口。

两种常见的异常:
1. HTTP/1.1 405 HTTP method PUT is not supported by this URL
修改hdfs-site.xml文件的权限属性。

<property>  
<name>dfs.permissions</name>  
<value>false</value>  
</property>  
复制代码

2 {"RemoteException":{"exception":"AccessControlException","javaClassName":"org.apache.hadoop.security.AccessControlException","message":"Permission denied: user=dr.who, access=WRITE, inode=\"/qzhang\":Administrator:supergroup:drwxr-xr-x\n\tat
问题2与问题1是一个问题，解决方案同上。

#################################################
http://blog.csdn.net/john_f_lau/article/details/20007299