1、实验摘要
- 实验目的：学习KNIME的HDFS简单操作，文件上传、下载和删除。
- 实验内容：连接HDFS；上传文件到HDFS；从HDFS下载文件；
2、实验步骤
(1)这次实验我们将介绍如何使用KNIME连接Hadoop hdfs进行一些简单的操作。整个工作流的概览如下：
(2)首先，使用“HDFS Connection”节点连接到我们的Hadoop文件系统。具体的设置如下图所示。“Host”填写集群master节点的ip地址(这里因为我们在client上做了host映射，所以填写的是master的hostname)；“Port”填写HDFS的端口(一般是9000或者8020)，可以通过查看hadoop的配置文件core-site.xml获取；“User”填写执行操作的用户名，确保该用户存在且具有相应的读写权限。
填写完毕后，测试连接，成功的话会出现如下的提示：
(3)下面，我们使用“Data Generator”节点生成一些数据，然后用“CSV Writer”写到指定目录下。“Data Generator”采用默认设置，“CSV Writer”只修改存储路径，并将该路径存成一个变量，以供之后的节点使用，具体设置如下：
(4)之后，我们要对文件存储的路径进行一些处理，然后传给“Upload”节点。因为“CSV Writer”提供的地址是String类型的，而“Upload”接收的参数是Url类型，所以我们要使用“Variable to Table Row”和“String to URL”两个节点将文件地址转成Url类型。
右击“CSV Writer”节点，选择“Show Flow Variable Ports”，然后将节点右上角的“Outport”和“Variable to Table Row”相连：
(5)选择“Upload”节点，连接“HDFS Connection”和“String to URL”。相关设置如下图，“Target folder”为hdfs的文件路径(根据实际情况修改，注意user对文件夹的操作权限)，“Source”为文件源地址，由输入变量控制。
执行成功后，我们在远端的HDFS中可以看到已经上传的文件：
(6)选择“List Remote Files”节点，列出远端的HDFS的文件目录。这里，我们将上一步中“Upload”的Source源地址作为变量传入到“List Remote Files”节点中。有了变量控制，“List Remote Files”节点就必须在“Upload”执行成功后才能执行。
结果显示：
(7)使用“Table Row to Variable”将文件路径转换为变量，传给“Download”节点。执行“Download”从HDFS将之前上传的文件下载下来。
通过“CSV Reader”读取下载的文件。使用“Table Different Check”节点对比该文件和原文件。执行成功，代表上传的文件和原文件没有差别，不存在数据丢失，原文件成功上传到HDFS。
(8)使用“Delete Files”节点删除文件。因为有Input变量控制，所以只有在“Download”节点从HDFS将该文件成功下载后，删除操作才会执行：
结语：下次实验，我们将介绍Hive的相关操作。
