scala - 如何使用 Scala 使用 Hadoop 客户端在 HDFS 中 append 文本文件？

Question

我想将文本文件写入 HDFS。文件必须写入 HDFS 的路径是动态生成的。如果文件路径(包括文件名)是新的，则应创建该文件并将文本写入其中。如果文件路径(包括文件)已经存在，则该字符串必须 append 到现有文件。

我使用了以下代码。文件创建工作正常。但不能将文本 append 到现有文件。

def writeJson(uri: String, Json: JValue, time: Time): Unit = {
    val path = new Path(generateFilePath(Json, time))
    val conf = new Configuration()
    conf.set("fs.defaultFS", uri)
    conf.set("dfs.replication", "1")
    conf.set("dfs.support.append", "true")
    conf.set("dfs.client.block.write.replace-datanode-on-failure.enable","false")

    val Message = compact(render(Json))+"\n"
    try{
      val fileSystem = FileSystem.get(conf)
      if(fileSystem.exists(path).equals(true)){
        println("File exists.")
        val outputStream = fileSystem.append(path)
        val bufferedWriter = new BufferedWriter(new OutputStreamWriter(outputStream))
        bufferedWriter.write(Message.toString)
        bufferedWriter.close()
        println("Appended to file in path : " + path)
      }
      else {
        println("File does not exist.")
        val outputStream = fileSystem.create(path, true)
        val bufferedWriter = new BufferedWriter(new OutputStreamWriter(outputStream))
        bufferedWriter.write(Message.toString)
        bufferedWriter.close()
        println("Created file in path : " + path)
      }
    }catch{
      case e:Exception=>
        e.printStackTrace()
    }
  }

Hadoop 版本:2.7.0

每当必须执行 append 操作时，都会生成以下错误:

org.apache.hadoop.ipc.RemoteException(java.lang.ArrayIndexOutOfBoundsException)

Answer 1

我可以看到 3 种可能性:

1. 可能最简单的方法是使用位于 Hadoop 集群上的 hdfs 提供的外部命令，请参阅: https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-hdfs/HDFSCommands.html .甚至是 WebHDFS REST 功能:https://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-hdfs/WebHDFS.html
2. 如果您不想使用 hdfs commnads，则可以使用 hadoop-hdfs 库提供的 hdfs API http://mvnrepository.com/artifact/org.apache.hadoop/hadoop-hdfs/2.7.1
3. 如果您想要干净的 Scala 解决方案，请使用 Spark，例如http://spark.apache.org/docs/latest/programming-guide.html或 https://databricks.gitbooks.io/databricks-spark-reference-applications/content/logs_analyzer/chapter3/save_the_rdd_to_files.html