如何在 java 客户端中获取 HDFS 服务器元数据信息？

Question

我需要构建一个实用程序类来测试与 HDFS 的连接。测试应该显示 HDFS 的服务器端版本和任何其他元数据。虽然，有很多客户端演示可用，但没有提取服务器元数据。有人可以帮忙吗？

请注意，我的客户端是远程 java 客户端，没有 hadoop 和 HDFS 配置文件来初始化配置。我需要通过动态使用其 URL 连接到 HDFS 名称节点服务来实现。

Answer 1

Hadoop 通过 HTTP 公开一些您可以使用的信息。请参阅Cloudera 的文章。 可能最简单的方法是连接到NN UI 并解析内容 服务器返回：

URL url = new URL("http://myhost:50070/dfshealth.jsp");
BufferedReader in = new BufferedReader(new InputStreamReader(url.openStream()));
...

另一方面，如果您知道 NN 和 JT 的地址，则可以连接到它们 使用这样的简单客户端（Hadoop 0.20.0-r10​​56497）：

import java.net.InetSocketAddress;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hdfs.DFSClient;
import org.apache.hadoop.hdfs.protocol.ClientProtocol;
import org.apache.hadoop.hdfs.protocol.DatanodeInfo;
import org.apache.hadoop.hdfs.protocol.FSConstants.DatanodeReportType;
import org.apache.hadoop.mapred.ClusterStatus;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.util.VersionInfo;

public class NNConnTest {

    private enum NNStats {

        STATS_CAPACITY_IDX(0, 
                "Total storage capacity of the system, in bytes: ");
        //... see org.apache.hadoop.hdfs.protocol.ClientProtocol 

        private int id;
        private String desc;

        private NNStats(int id, String desc) {
            this.id = id;
            this.desc = desc;
        }

        public String getDesc() {
            return desc;
        }

        public int getId() {
            return id;
        }

    }

    private enum ClusterStats {

        //see org.apache.hadoop.mapred.ClusterStatus API docs
        USED_MEM {
            @Override
            public String getDesc() {
                String desc = "Total heap memory used by the JobTracker: ";
                return desc + clusterStatus.getUsedMemory();
            }
        };

        private static ClusterStatus clusterStatus;
        public static void setClusterStatus(ClusterStatus stat) {
            clusterStatus = stat;
        }

        public abstract String getDesc();
    }


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

        InetSocketAddress namenodeAddr = new InetSocketAddress("myhost",8020);
        InetSocketAddress jobtrackerAddr = new InetSocketAddress("myhost",8021);

        Configuration conf = new Configuration();

        //query NameNode
        DFSClient client = new DFSClient(namenodeAddr, conf);
        ClientProtocol namenode = client.namenode;
        long[] stats = namenode.getStats();

        System.out.println("NameNode info: ");
        for (NNStats sf : NNStats.values()) {
            System.out.println(sf.getDesc() + stats[sf.getId()]);
        }

        //query JobTracker
        JobClient jobClient = new JobClient(jobtrackerAddr, conf); 
        ClusterStatus clusterStatus = jobClient.getClusterStatus(true);

        System.out.println("\nJobTracker info: ");
        System.out.println("State: " + 
                clusterStatus.getJobTrackerState().toString());

        ClusterStats.setClusterStatus(clusterStatus);
        for (ClusterStats cs : ClusterStats.values()) {
            System.out.println(cs.getDesc());
        }

        System.out.println("\nHadoop build version: " 
                + VersionInfo.getBuildVersion());

        //query Datanodes
        System.out.println("\nDataNode info: ");
        DatanodeInfo[] datanodeReport = namenode.getDatanodeReport(
                DatanodeReportType.ALL);
        for (DatanodeInfo di : datanodeReport) {
            System.out.println("Host: " + di.getHostName());
            System.out.println(di.getDatanodeReport());
        }

    }

}

确保您的客户端应该像您的集群一样使用same Hadoop 版本，否则可能会出现EOFException。

Answer 2

所有 hadoop 节点都公开 JMX 接口，您可以通过 JMX 获得的功能之一是版本。开始的好方法是在 localhost 和 jconsole 上运行 Hadoop 并连接到某个节点并探索接口并复制并粘贴 MBean 的对象名称。不幸的是，几乎没有关于 Hadoop 的 JMX iface 的文档。

顺便说一句。 NameNode 提供了最有用的信息。