使用HttpFS网关从防火墙后面访问HDFS

　　　　　　　　　　使用HttpFS网关从防火墙后面访问HDFS

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　作者：尹正杰

版权声明：原创作品，谢绝转载！否则将追究法律责任。

一.HttpFS概述

1>.什么是HttpFS

　　HttpFS是在Apache Tomcat上运行的Java应用程序，其允许通过WebHDFS REST API远程访问HDFS文件系统。
 
　　HttpFS是一台提供REST HTTP网关的服务器，该网关支持所有HDFS文件系统操作（读取和写入），并且可以与webhdfs REST HTTP API 互操作。
 
　　HttpFS可用于在运行不同版本Hadoop的群集之间传输数据（克服RPC版本问题），例如使用Hadoop DistCP。
 
　　HttpFS可用于访问防火墙后面的群集上的HDFS中的数据（HttpFS服务器充当网关，并且是唯一允许将防火墙穿过群集进入群集的系统）。
 
　　HttpFS可用于使用HTTP实用程序（例如curl和wget）和来自Java以外的其他语言的HTTP库Perl来访问HDFS中的数据。

　　温馨提示:
　　　　HttpFS具有内置的安全性，支持Hadoop伪身份验证和HTTP SPNEGO Kerberos以及其他可插入身份验证机制。它还提供了Hadoop代理用户支持。

2>.HttpFS的应用场景

　　可以设置HttpFS服务器以提供支持HDFS文件系统操作的REST HTTP网关。由于HttpFS是一个代理，它不需要客户端访问集群中的每一台机器，不像WebHDFS。

　　HttpFS在由防火墙的限制难以访问HDFS数据的环境中非常有用。在这种情况下，可以将HttpFS服务器设置为允许通过防火墙访问集群的唯一系统。

3>.注意事项

　　要使用HttFS，必须首先安装和配置HttpFS服务器，然后必须为HttpFS用户启用代理来访问HDFS，因此运行HttpFS服务器的用户可以代表其它用户访问HDFS。客户端只需要访问HttpFS，因为它是访问HDFS的HttpFS服务器。
　
　　Hue包含了一个HDFS浏览器，它在HA NameNode设置中使用HttpFS来访问HDFS文件系统。
　　　　
　　在HDFS HA设置中，不能使用WebHDFS通过Hue的文件浏览器访问HDFS(如果你非要这样做也只能指定Active NameNode节点)。但在非HA设置中，可以使用WebHDFS或HttpFS访问HDFS。

　　WebHDFS和HttpFS之间的区别:
　　　　WebHDFS和HttpFS之间的一个关键区别是，使用HttpFS，单个节点将冲淡网关，并将数据的主传输管道发送到发出HttpFS命令的客户机节点。
　　　　另一方面，WebHDFS需要访问集群的所有节点，并且从该节点读取的数据直接从该节点发送。
　　　　综上所述，如果要传输非常打的文件，可以证明HttpFS是一个检查点。最好在环境中测试，选择最合适的工具。

二.配置HttpFS

1>.下载HttpFS二进制文件

　　如下图所示，我们下载的Apache Hadoop版本中自带有HttpFS功能，但需要单独启动守护进程，从目录结构中不难看出，HttpFS是在Tomcat上运行的Java程序。

　　关于Hadoop的部署我这里就不罗嗦了，相对来说比较简单，感兴趣的同学可自行查看我之前的笔记哟~

　　下载地址:
　　　　https://hadoop.apache.org/releases.html

　　博主推荐阅读:
　　　　https://hadoop.apache.org/docs/stable/hadoop-hdfs-httpfs/index.html

2>.修改Hadoop的核心配置文件

[root@hadoop101.yinzhengjie.com ~]# vim ${HADOOP_HOME}/etc/hadoop/core-site.xml
......
    <!-- 以下参数用于配置httpfs -->
    <property>
        <name>hadoop.proxyuser.root.hosts</name>
        <value>hadoop101.yinzhengjie.com</value>
　　　　　<description>此处我指定本机的root是启动httpfs的用户名,主机名称我指定的本机名称</description>
    </property>

    <property>
        <name>hadoop.proxyuser.root.groups</name>
        <value>*</value>
　　　　  <description>此处我指定本机的root是启动httpfs的用户组名，组名我未指定，即代之本机的所有用户组</description>
    </property>
......
[root@hadoop101.yinzhengjie.com ~]#
[root@hadoop101.yinzhengjie.com ~]# manage-hdfs.sh restart　　　　　　　　　　#如下图所示，当我们修改配置文件后，需要重启HDFS服务哟~（目的是激活配置的代理用户）

3>.启动HttpFS

[root@hadoop101.yinzhengjie.com ~]# jps
32013 Jps
30831 NameNode
[root@hadoop101.yinzhengjie.com ~]# 
[root@hadoop101.yinzhengjie.com ~]# httpfs.sh start　　　　　　　　#启动HttpFS服务，如下图所示，启动成功后会多出来一个Boostrap进程，与此同时还会监听14000端口和14001端口哟~
[root@hadoop101.yinzhengjie.com ~]# 
[root@hadoop101.yinzhengjie.com ~]# jps
32054 Bootstrap
32072 Jps
30831 NameNode
[root@hadoop101.yinzhengjie.com ~]# 

三.使用HttpFS

1>.检查HDFS目录的状态

[root@hadoop105.yinzhengjie.com ~]# hdfs dfs -ls /yinzhengjie/
Found 1 items
-rw-r--r--   3 root admingroup        371 2020-08-31 18:07 /yinzhengjie/hosts
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# curl "http://hadoop101.yinzhengjie.com:14000/webhdfs/v1/yinzhengjie?op=liststatus&user.name=root" 　　　　　　#检查"/yinzhengjie"目录的状态
{"FileStatuses":{"FileStatus":[{"pathSuffix":"hosts","type":"FILE","length":371,"owner":"root","group":"admingroup","permission":"644","accessTime":1598868446973,"modificationTime":15988684
47282,"blockSize":536870912,"replication":3}]}}
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# curl -s "http://hadoop101.yinzhengjie.com:14000/webhdfs/v1/yinzhengjie?op=liststatus&user.name=root" | python -m json.tool　　#使用python工具将JSON可读性增强
{
    "FileStatuses": {
        "FileStatus": [
            {
                "accessTime": 1598868446973,
                "blockSize": 536870912,
                "group": "admingroup",
                "length": 371,
                "modificationTime": 1598868447282,
                "owner": "root",
                "pathSuffix": "hosts",
                "permission": "644",
                "replication": 3,
                "type": "FILE"
            }
        ]
    }
}
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# 

2>.创建目录

[root@hadoop105.yinzhengjie.com ~]# hdfs dfs -ls /yinzhengjie/
Found 1 items
-rw-r--r--   3 root admingroup        371 2020-08-31 18:07 /yinzhengjie/hosts
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# curl -s -X PUT "http://hadoop101.yinzhengjie.com:14000/webhdfs/v1/yinzhengjie/httpFS?user.name=root&op=MKDIRS" | python -m json.tool
{
    "boolean": true
}
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# hdfs dfs -ls /yinzhengjie/
Found 2 items
-rw-r--r--   3 root admingroup        371 2020-08-31 18:07 /yinzhengjie/hosts
drwxr-xr-x   - root admingroup          0 2020-09-01 07:16 /yinzhengjie/httpFS
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# 

3>.重命名目录

[root@hadoop105.yinzhengjie.com ~]# hdfs dfs -ls /yinzhengjie/
Found 2 items
-rw-r--r--   3 root admingroup        371 2020-08-31 18:07 /yinzhengjie/hosts
drwxr-xr-x   - root admingroup          0 2020-09-01 07:23 /yinzhengjie/httpFS
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# curl -s -X PUT "http://hadoop101.yinzhengjie.com:14000/webhdfs/v1/yinzhengjie/httpFS?op=RENAME&user.name=root&destination=/yinzhengjie/myHttpFS" | python -m json.tool
{
    "boolean": true
}
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# hdfs dfs -ls /yinzhengjie/
Found 2 items
-rw-r--r--   3 root admingroup        371 2020-08-31 18:07 /yinzhengjie/hosts
drwxr-xr-x   - root admingroup          0 2020-09-01 07:23 /yinzhengjie/myHttpFS
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# 

4>.删除目录或文件

[root@hadoop105.yinzhengjie.com ~]# hdfs dfs -ls /yinzhengjie/
Found 3 items
-rw-r--r--   3 root admingroup        490 2020-09-01 07:48 /yinzhengjie/fstab
-rw-r--r--   3 root admingroup        371 2020-08-31 18:07 /yinzhengjie/hosts
drwxr-xr-x   - root admingroup          0 2020-09-01 07:49 /yinzhengjie/myHttpFS
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# curl -s -X DELETE "http://hadoop101.yinzhengjie.com:14000/webhdfs/v1/yinzhengjie/myHttpFS?op=DELETE&user.name=root" | python -m json.tool
{
    "boolean": true
}
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# hdfs dfs -ls /yinzhengjie/
Found 2 items
-rw-r--r--   3 root admingroup        490 2020-09-01 07:48 /yinzhengjie/fstab
-rw-r--r--   3 root admingroup        371 2020-08-31 18:07 /yinzhengjie/hosts
[root@hadoop105.yinzhengjie.com ~]# 

[root@hadoop105.yinzhengjie.com ~]# hdfs dfs -ls /yinzhengjie/
Found 2 items
-rw-r--r--   3 root admingroup        490 2020-09-01 07:48 /yinzhengjie/fstab
-rw-r--r--   3 root admingroup        371 2020-08-31 18:07 /yinzhengjie/hosts
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# curl -s -X DELETE "http://hadoop101.yinzhengjie.com:14000/webhdfs/v1/yinzhengjie/fstab?op=DELETE&user.name=root" | python -m json.tool
{
    "boolean": true
}
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# hdfs dfs -ls /yinzhengjie/
Found 1 items
-rw-r--r--   3 root admingroup        371 2020-08-31 18:07 /yinzhengjie/hosts
[root@hadoop105.yinzhengjie.com ~]# 
[root@hadoop105.yinzhengjie.com ~]# 

5>.其它操作

　　经过上面的几个案例后，您是否发现其操作是那么的似曾相识呢？没错，这就是基于REST API风格。和我们之前操作的webHDFS的方式基本上雷同，事实上就是如此。

　　综上所述，我就不一一举例用法了，感兴趣的可以参考我下面给的链接。

　　博主推荐阅读:
　　　　https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-hdfs/WebHDFS.html
　　　　https://www.cnblogs.com/yinzhengjie2020/p/13352498.html