Hadoop下将大量小文件生成一个sequenceFile文件

1)遇到的问题,因为是在集群上运行,代码中String seqFsUrl = "hdfs://localhost:9000/user/mjiang/target-seq/sdfgz.seq";的localhost错误,

于是老是出现连接不上的问题,(Retrying connect to server: localhost/127.0.0.1:8020. Already tried 0 time(s).)

所以运行程序时出现连接不上Hadoop的问题时,考虑是不是程序写错了。

2)sequenceFile中虽然是按文件名(或其他任何值)为键,文件内容为值来存储的。但用SequenceFileAsTextInputFormat来读取时,键值还是会被读到文件的第一行

没分析源码,不清楚原因

3)sequenceFile可以处理.gz文件(没有实验出不行,按说.gz文件是不可以分块存储的???逻辑上还是一个)

  1. import java.io.BufferedInputStream;  
  2. import java.io.FileInputStream;  
  3. import java.io.IOException;  
  4. import java.io.InputStream;  
  5. import java.io.File;  
  6. import java.net.URI;  
  7.   
  8. import org.apache.Hadoop.conf.Configuration;  
  9. import org.apache.Hadoop.fs.FileSystem;  
  10. import org.apache.Hadoop.fs.Path;  
  11. import org.apache.Hadoop.io.IOUtils;  
  12. import org.apache.Hadoop.io.NullWritable;  
  13. import org.apache.Hadoop.io.SequenceFile;  
  14. import org.apache.Hadoop.io.Text;  
  15.   
  16. public class sequeneceFile{  
  17.       
  18.     public static void main(String[] args) throws IOException {  
  19.           
  20.         //String seqFsUrl = "hdfs://localhost:9000/user/mjiang/target-seq/sdfgz.seq";   
  21.         String seqFsUrl = "user/mjiang/target-seq/sdfgz.seq";  
  22.   
  23.         Configuration conf = new Configuration();  
  24.         //conf.set("fs.default.name", "hdfs://venus:9000");   
  25.         //conf.set("Hadoop.job.user", "mjiang");   
  26.         //conf.set("mapred.job.tracker", "venus:9001");   
  27.   
  28.         FileSystem fs = FileSystem.get(URI.create(seqFsUrl),conf);  
  29.   
  30.         Path seqPath = new Path(seqFsUrl);  
  31.   
  32.         //Text key = new Text();   
  33.   
  34.         Text value = new Text();  
  35.   
  36.         String filesPath = "/home/mjiang/java/eclipse/Hadoop/sequenceFile/data/sdfgz/";  
  37.   
  38.         File gzFilesDir = new File(filesPath);  
  39.   
  40.         String[] gzFiles = gzFilesDir.list();  
  41.           
  42.         int filesLen=gzFiles.length;  
  43.           
  44.         SequenceFile.Writer writer = null;  
  45.           
  46.         try {//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   
  47.               
  48.                       
  49.             writer = SequenceFile.createWriter(fs, conf, seqPath,NullWritable.class, value.getClass());  
  50.               
  51.             //for (int i=0;i<2;i++){   
  52.                       
  53.             while (filesLen>0){  
  54.               
  55.                 File gzFile = new File(filesPath+gzFiles[filesLen-1]);  
  56.               
  57.                 InputStream in = new BufferedInputStream(new FileInputStream(gzFile));  
  58.               
  59.                 long len = gzFile.length();  
  60.               
  61.                 byte[] buff = new byte[(int)len];     
  62.   
  63.                 if ((len = in.read(buff))!= -1) {  
  64.                   
  65.                     value.set(buff);  
  66.                   
  67.                     writer.append(NullWritable.get(), value);//将每条记录追加到SequenceFile.Writer实例的末尾      
  68.   
  69.                 }  
  70.                   
  71.                 //process   
  72.                   
  73.                 System.out.println(gzFiles[filesLen-1]);  
  74.               
  75.                 //key.clear();   
  76.               
  77.                 value.clear();  
  78.                   
  79.                 IOUtils.closeStream(in);  
  80.                   
  81.                 filesLen--;//!!   
  82.               
  83.             }  
  84.             //filesLen = 2; }   
  85.         } finally {  
  86.   
  87.             IOUtils.closeStream(writer);  
  88.   
  89.         }  
  90.     }  
  91. }  

你可能感兴趣的:(Hadoop下将大量小文件生成一个sequenceFile文件)