【大数据测试HDFS + Flask详细教程与实例】

大数据测试HDFS + Flask

1. 环境准备
- 安装工具
- 安装Hadoop（以单机模式为例）
- 安装Flask和HDFS Python客户端
2. HDFS + Flask基本架构
- 基本文件结构
3. 创建Flask应用与与HDFS交互
- 步骤1：配置HDFS连接
- 步骤2：构建Flask应用
4. 创建前端界面
- index.html
- style.css（可选，添加一些样式）
5. 启动应用
6. 测试功能
7. 扩展功能

HDFS（Hadoop分布式文件系统）和Flask是两个非常常见的技术栈。在大数据领域，HDFS是用于存储海量数据的分布式文件系统，而Flask是一个轻量级的Python Web框架。结合HDFS和Flask，通常用于构建大数据应用，尤其是在数据处理和可视化过程中，提供一种接口来访问和展示存储在HDFS上的数据。

1. 环境准备

安装工具

Hadoop（HDFS）环境：
需要安装和配置Hadoop集群或单机模式。如果没有现成的Hadoop集群，可以通过Docker或者虚拟机搭建一个简单的Hadoop环境，或使用Hadoop单机模式进行测试。
Flask框架：
Flask是一个轻量级的Python Web框架，可以通过pip轻松安装。
Hadoop Python客户端（hdfs）：
为了通过Python与HDFS交互，我们需要安装hdfs客户端库，它是与HDFS进行交互的桥梁。

安装Hadoop（以单机模式为例）

下载并解压Hadoop：https://hadoop.apache.org/releases.html

配置Hadoop的环境变量，在~/.bashrc中添加：

export HADOOP_HOME=/path/to/hadoop
export PATH=$PATH:$HADOOP_HOME/bin
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop

配置Hadoop的XML配置文件（core-site.xml, hdfs-site.xml）以启用HDFS。启动HDFS：
```
$ hadoop namenode -format
$ start-dfs.sh
```

安装Flask和HDFS Python客户端

安装Flask：
```
pip install flask
```
安装hdfs库（用于Python与HDFS交互）：
```
pip install hdfs
```

2. HDFS + Flask基本架构

Flask应用将提供HTTP接口，允许用户：

上传文件到HDFS
下载文件从HDFS
查看存储在HDFS上的文件列表

基本文件结构

project/
├── app.py               # Flask应用
├── templates/           # HTML模板
│   ├── index.html       # 上传与下载界面
└── static/              # 静态文件（如CSS、JavaScript）└── style.css        # 页面样式

3. 创建Flask应用与与HDFS交互

步骤1：配置HDFS连接

在Flask应用中，我们通过hdfs库来连接HDFS。首先，我们需要配置HDFS的URL和端口。

from hdfs import InsecureClient# 配置HDFS的地址
HDFS_URL = 'http://localhost:50070'  # HDFS Web UI 默认端口
client = InsecureClient(HDFS_URL)

步骤2：构建Flask应用

接下来，我们会创建一个Flask应用，允许用户上传文件到HDFS并展示上传的文件列表。

app.py:

from flask import Flask, render_template, request, redirect, url_for
from hdfs import InsecureClient
import osapp = Flask(__name__)# 配置HDFS客户端
HDFS_URL = 'http://localhost:50070'  # HDFS Web UI 默认端口
client = InsecureClient(HDFS_URL)# HDFS存储的目标路径
HDFS_DIR = '/user/hadoop/test'# 确保HDFS上的目录存在
if not client.status(HDFS_DIR, strict=False):client.makedirs(HDFS_DIR)@app.route('/')
def index():# 获取HDFS上的文件列表files = client.list(HDFS_DIR)return render_template('index.html', files=files)@app.route('/upload', methods=['POST'])
def upload_file():# 获取上传的文件file = request.files['file']if file:local_file_path = os.path.join('/tmp', file.filename)  # 临时保存上传的文件file.save(local_file_path)# 将文件上传到HDFShdfs_path = os.path.join(HDFS_DIR, file.filename)client.upload(hdfs_path, local_file_path)os.remove(local_file_path)  # 删除临时文件return redirect(url_for('index'))@app.route('/download/<filename>')
def download_file(filename):# 从HDFS下载文件hdfs_path = os.path.join(HDFS_DIR, filename)local_path = os.path.join('/tmp', filename)client.download(hdfs_path, local_path)return send_from_directory('/tmp', filename)if __name__ == '__main__':app.run(debug=True)

4. 创建前端界面

使用Flask的render_template渲染HTML模板，构建简单的上传与下载页面。

index.html

<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><title>HDFS File Management</title><link rel="stylesheet" href="{{ url_for('static', filename='style.css') }}">
</head>
<body><h1>HDFS File Management</h1><h2>Upload File to HDFS</h2><form action="/upload" method="POST" enctype="multipart/form-data"><input type="file" name="file" required><button type="submit">Upload</button></form><h2>Files in HDFS</h2><ul>{% for file in files %}<li>{{ file }}<a href="{{ url_for('download_file', filename=file) }}">Download</a></li>{% endfor %}</ul>
</body>
</html>

style.css（可选，添加一些样式）

body {font-family: Arial, sans-serif;
}h1 {color: #333;
}h2 {margin-top: 20px;
}form {margin-bottom: 20px;
}ul {list-style-type: none;
}li {margin: 10px 0;
}