Ubuntu 14.10 下Hadoop FTP文件上传配置

　　最近老板提出一个需求，要用Hadoop机群管理生物数据，并且生物数据很多动辄几十Ｇ，几百Ｇ，所以需要将这些数据传到ＨＤＦＳ中，在此之前搭建了ＨＵＥ用来图形化截面管理ＨＤＦＳ数据，但是有个问题，上面使用的ＲＥＳＴ　ＡＰＩ接口，用的是ＨＴＴＰ协议，速度慢，并且一旦挂了就得重来，所以迫切需要一个ＦＴＰ工具来进行上传下载。

　　其实ＨＤＦＳ整合了众多文件系统，在其中有一个综合性的文件系统抽象，它提供了文件系统实现的各类接口，HDFS只是这个抽象文件系统的一个实例。提供了一个高层的文件系统抽象类org.apache.hadoop.fs.FileSystem，这个抽象类展示了一个分布式文件系统，并有几个具体实现，如下表1-1所示。

表1-1 Hadoop的文件系统

文件系统	URI方案	Java实现（org.apache.hadoop）	定义
Local	file	fs.LocalFileSystem	支持有客户端校验和本地文件系统。带有校验和的本地系统文件在fs.RawLocalFileSystem中实现。
HDFS	hdfs	hdfs.DistributionFileSystem	Hadoop的分布式文件系统。
HFTP	hftp	hdfs.HftpFileSystem	支持通过HTTP方式以只读的方式访问HDFS，distcp经常用在不同的HDFS集群间复制数据。
HSFTP	hsftp	hdfs.HsftpFileSystem	支持通过HTTPS方式以只读的方式访问HDFS。
HAR	har	fs.HarFileSystem	构建在Hadoop文件系统之上，对文件进行归档。Hadoop归档文件主要用来减少NameNode的内存使用。
KFS	kfs	fs.kfs.KosmosFileSystem	Cloudstore（其前身是Kosmos文件系统）文件系统是类似于HDFS和Google的GFS文件系统，使用C++编写。
FTP	ftp	fs.ftp.FtpFileSystem	由FTP服务器支持的文件系统。
S3（本地）	s3n	fs.s3native.NativeS3FileSystem	基于Amazon S3的文件系统。
S3（基于块）	s3	fs.s3.NativeS3FileSystem	基于Amazon S3的文件系统，以块格式存储解决了S3的5GB文件大小的限制。

　　Hadoop提供了许多文件系统的接口，用户可以使用URI方案选取合适的文件系统来实现交互。

　　可以看到上面有ＦＴＰ接口，要是有现成的ＦＴＰ工具就好了。后来发现一个开源软件hdfs-over-ftp，不过这个项目是几年之前的，后来呗一个哥们儿做了下修改能支持hadoop2.4.1，下面地址是他更新后的地址http://download.csdn.net/detail/zhulin40/7732063，我下再之后配置了下，可以用。

１　下载压缩文件，解压到任意目录

２　修改里面的POM文件，我用的hadoop是２．６．０

<!-- <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-core</artifactId>
            <version>0.20</version>
        </dependency> -->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.6.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.6.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.mina</groupId>
            <artifactId>mina-core</artifactId>
            <version>2.0.0-M2</version>
        </dependency>

3　配置/hdfs-over-ftp-master/src/main/resources下的users.properties，我添加了一个用户hadoop,密码也是hadoop，需要ＭＤ５一下

#hadoop|hadoop
ftpserver.user.hadoop.userpassword=0238775c7bd96e2eab98038afe0c4279
ftpserver.user.hadoop.homedirectory=/
ftpserver.user.hadoop.enableflag=true
ftpserver.user.hadoop.writepermission=true
ftpserver.user.hadoop.maxloginnumber=0
ftpserver.user.hadoop.maxloginperip=0
ftpserver.user.hadoop.idletime=0
ftpserver.user.hadoop.uploadrate=0
ftpserver.user.hadoop.downloadrate=0
ftpserver.user.hadoop.groups=hadoop,users

4　配置hdfs-over-ftp.properties，指定端口，ｈｄｆｓ-url，这里有个问题，我的ＨＤＦＳ是ＨＡ的，但是我试了下，好像是不支持ＨＡ写法，只支持主机名：端口号形式

#uncomment this to run ftp server
port = 2222
data-ports = 2223-2225

#uncomment this to run ssl ftp server
#ssl-port = 2226
#ssl-data-ports = 2227-2229

# hdfs uri

# hdfs-uri = hdfs://hadoop-cluster/

hdfs-uri = hdfs://1421-0001:9000/

# have to be a user which runs HDFS
# this allows you to start ftp server as a root to use 21 port
# and use hdfs as a superuser
superuser = hadoop

5　进入到解压目录下面，执行hdfs-over-ftp.sh启动（需要maven编译），如果不报错，说明ＦＴＰ服务启动了

6　用ＦＴＰ客户端连接，我安装了ＦｉｌｅＺｉｌｌａ，也是蛮好用的

参考：

http://blog.csdn.net/zhulin40/article/details/38444875

http://www.cnblogs.com/xia520pi/archive/2012/05/28/2520813.html