MR之SequenceFile详解

package com.leaf.hadoop.second;import java.util.Random;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.FileSystem;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.IOUtils;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.SequenceFile;import org.apache.hadoop.io.Text;//$ hadoop jar SequenceWriteSample.jar SequenceWriteSamplepublic class SequenceWriteSample {private static String meg = "hello world";public static void main(String[] args) throws Exception{Configuration conf = new Configuration();//获取环境变量FileSystem fs = FileSystem.get(conf);//获取文件系统Path path = new Path("sequenceFile");//定义路径Random rand = new Random();SequenceFile.Writer write = new SequenceFile.Writer(fs, conf, path, IntWritable.class, Text.class);for(int i=0;i<100;i++){write.append(new IntWritable(rand.nextInt(100)), new Text(meg));//写操作,隐藏的为每一行添加一个偏移量//System.out.println(write.getLength());}IOUtils.closeStream(write);//将写出流关闭}/* * createWriter()方法的源码； * public static Writer createWriter(FileSystem fs,Configuration conf,Path name,Class keyClass,Class valClass)throws IOException{return createWriter(fs,conf,name,keyClass,valClass,getCompressionType(conf));}*CompressionType类用以对SequenceFile写入的文件设定是否进行压缩处理**CompressionType.NONE:表示不对任何数据进行压缩从而直接进行存储*CompressionType.RECORD:表示仅仅压缩key而对value不进行压缩*CompressionType.BLOCK:表示对所有的key与value都进行压缩*//** * write实例还隐藏的为每一行添加一个偏移量,用于获取当前文件的移动位置， * 并按一定顺序生成相应的"同步位置"(Sync position),同步位置是 * 生成在SequenceFile文件的内部划分位置处，同步位置具体用法见SequenceFile.Reader */}class SequenceReaderSample{//运行命令:$ hadoop jar SequenceReaderSample.jar SequenceReaderSamplepublic static void main(String[] args)throws Exception{Configuration conf = new Configuration();FileSystem fs = FileSystem.get(conf);//获取文件系统Path path = new Path("cool.txt");//定义输出路径SequenceFile.Reader reader = new SequenceFile.Reader(fs, path, conf);//创建实例IntWritable key = new IntWritable();//创建待读入Key实例Text value = new Text();//创建待读入value实例while(reader.next(key,value)){System.out.println(key+"======"+value);//打印已读取键值对}IOUtils.closeStream(reader);//关闭读入流}/** * 相对于SequenceFile.Writer方法 * SequenceFile.Reader提供了查找同步位置的方法,通过返回一个布尔值确认是否已经读取到偏移位置 * public boolean syncSeen(){return syncSeen} *  * 同步位置(Sync Position)的作用: *  *  *//* * reader中源码 * public synchronized boolean next(Writable key, Writable val)throws IOException {boolean more = next(key);                //判断下一个值是否存在if (more)                        //存在则进行操作getCurrentValue(val);                  //获得对应的值return more;}keyIn = new DataInputStream(keyInFilter);            //创建输入流public synchronized boolean next(Writable key) throws IOException { …key.readFields(keyIn);                    //用读方法进行数据读取…}**//** * 继续查看reader方法: * … *key.readFields(valBuffer);                    //通过 key 读入数据 *valBuffer.mark(0);                      //标记 *if (valBuffer.getPosition() != keyLength)              //判断已读取位置 *throw  new  IOException(key  +  "  read  "  +  valBuffer.getPosition()   +  "  bytes,  should  read  " +  *keyLength);                        //抛出异常 *} *… *解析:首先key的对象读取一个偏移位置,根据其二进制生成具体事例,然后将位置归零, *如果此时偏移位置与key的长度不相同则抛出错误。注:next进行键值读取的时候,必须有一个给定偏移量， *而同时如果偏移量大于key的长度则产生异常。而解决办法是通过获取文件的偏移位置后，从偏移的边界 *开始读取，然后将整个值读入key中。 * *Reader同时还提供了一个sync(long position)方法,将位置定位到当前位置的下一个同步位置开始读取。 *案例代码如下： */}class SyncPositionSample{public static void main(String[] args)throws Exception{Configuration conf = new Configuration();//获取环境变量FileSystem fs = FileSystem.get(conf);//获取文件系统Path path = new Path("leaf.txt");//获取路径SequenceFile.Reader reader = new SequenceFile.Reader(fs,path,conf);//创建reader实例IntWritable key = new IntWritable();//设置存放实例Text value = new Text();reader.sync(0);//读取同步点while(reader.next(key,value)){//将数据读入实例中System.out.println(key+"-"+value);}}}