将本地文件读成sequenceFile文件

个人观点：当处理海量小文件时，先将小文件进行sequenceFile操作或者类似操作处理，然后再上传到HDFS系统进行下一步的处理。（如有其它建议，欢迎留言）

 

一、直接上传本地栅格数据将导致的问题

                根据栅格数据的特点，每层的图片个数都为上层数量的四倍。在第20层时，仅仅第20层的图片的数量达到了“2199023255552”张（世界地图在第一层被切成了两张图片，第二十层的数量为：4**7*2），且每张图片的大小都为10-20kb不等。HDFS在存储文件时，会将文件break them into chunks，默认inputSplit的大小与block块的大小一致，为128M，如果单个文件的大小小于block块的大小则不会切分，直接将改小文件存储到一个block块中。因此如果不对栅格数据文件做处理，将导致占据大量的block块；由于namenode中会存储为元数据信息，因此也将导致namenode节点记录大量小文件的位置等元数据信息而产生压力过大，甚至namenode节点的内存可能会被占满。

二、在本地将栅格数据处理成sequenceFile文件

                SequenceFile文件是Hadoop用来存储二进制形式的key-value对而设计的一种平面文件。通常对小文件的处理是使用sequenceFile文件或MapFile文件。此次选用的处理方式是使用SequenceFile文件。（MapFile文件由两部分组成，data和index，index作为文件的索引，存储每个Record的key值以及它的偏移量。mapFile文件的检索效率较sequenceFile文件高，但是访问mapFile文件时需要先将索引文件加载到内存）

由于sequenceFile文件由Key和value组成，此处的key值存放的为文件的路径，例如：file:/home/greatmap/World/6/109/48.jpeg；value的值存放的为图片的字节数组文件。栅格数据存放在的文件夹下，通过遍历文件夹，将所有的图片都写成一个sequenceFile文件。

 

 

下面是具体实现过程：

 

public class SequenceFileTest {
 
 
 //本地linux磁盘输出路径
 static String PATH = "/home/greatmap/out";
 static SequenceFile.Writer writer = null;
 
 public static void main(String[] args) throws Exception{

//设置读取本地磁盘文件
  Configuration conf = new Configuration();
  conf.set("fs.default.name", "file:///");
  conf.set("mapred.job.tracker", "local");

 

//linux磁盘下路径
  String path = "/home/greatmap/World/";
  URI uri = new URI(path);
  FileSystem fileSystem = FileSystem.get(uri, conf);
  //实例化writer对象
  writer = SequenceFile.createWriter(fileSystem, conf, new Path(PATH), Text.class, BytesWritable.class);
  
  //递归遍历文件夹，并将文件下的文件写入sequenceFile文件
  listFileAndWriteToSequenceFile(fileSystem,path);
  
  //关闭流
  org.apache.hadoop.io.IOUtils.closeStream(writer);

}

 

/****
  * 递归文件;并将文件写成SequenceFile文件
  * @param fileSystem
  * @param path
  * @throws Exception
  */
 public static void listFileAndWriteToSequenceFile(FileSystem fileSystem,String path) throws Exception{
  final FileStatus[] listStatuses = fileSystem.listStatus(new Path(path));
  for (FileStatus fileStatus : listStatuses) {
   if(fileStatus.isFile()){
    Text fileText = new Text(fileStatus.getPath().toString());
    System.out.println(fileText.toString());
    //返回一个SequenceFile.Writer实例 需要数据流和path对象 将数据写入了path对象
    FSDataInputStream in = fileSystem.open(new Path(fileText.toString()));
    byte[] buffer = IOUtils.toByteArray(in);
    in.read(buffer);
    BytesWritable value = new BytesWritable(buffer);
    
    //写成SequenceFile文件
    writer.append(fileText, value);
    
   }
   if(fileStatus.isDirectory()){
    listFileAndWriteToSequenceFile(fileSystem,fileStatus.getPath().toString());
   }
//   org.apache.hadoop.io.IOUtils.closeStream(writer);
   
  }
 }}