mapreduce中的sequenceFile类,MapFile解析
来源:互联网 发布:易建联卧推数据 编辑:程序博客网 时间:2024/05/23 11:25
在map进行操作之后数据应该存在对应的文件中,一般这里涉及到MapFile和SequenceFile,后者主要是记录key/value的列表信息
同时是二进制处理之后的数据,直接看是没有办法的
利用命令 hadoop fs -text 文件的位置
sequence中有三种不同类型的结构
1 未压缩的key/value对
2 记录压缩的key/value对,(这里一般是只对value进行压缩) 前两者压缩在数据记录的格式上是相同的
3 block压缩key/value对(这里是key,value值分别被记录到块中并进行了压缩处理)
这里将一个文件写入sequenceFile中,按照,key,value格式,模仿map的数据输出,然后利用命令行进行观察验证
package com.read;import java.io.*;import java.net.URI;import java.util.Comparator;import org.apache.commons.compress.utils.IOUtils;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.*;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.SequenceFile;import org.apache.hadoop.io.Text;public class ReadSeqeneFile{private static String[] myValue = {"hello word","bye word","hello hadoop","byte hadoop",};public static void main(String[] args) throws IOException{String uri = "hdfs://127.0.0.1:8020/user/trunck/input/fileseq";Configuration conf = new Configuration();FileSystem fs = FileSystem.get(URI.create(uri),conf);Path path = new Path(uri);IntWritable key = new IntWritable();Text value = new Text();SequenceFile.Writer writer = null;try {writer = SequenceFile.createWriter(fs, conf, path, key.getClass(), value.getClass());for(int i = 0; i < 5; i++){key.set(500-i);value.set(myValue[i%myValue.length]);writer.append(key, value);}} catch (Exception e) {// TODO: handle exception}finally{org.apache.hadoop.io.IOUtils.closeStream(writer);}}}打开了hadoop的节点,和任务taskd
运行完成后可以看到我的hdfs上多了输出文件
再完成一个从sequenceFile中读数据的过程
public static void read() throws IOException {String uri = "hdfs://127.0.0.1:8020/user/trunck/input/fileseq";Configuration conf = new Configuration();FileSystem fs = FileSystem.get(URI.create(uri),conf);Path path = new Path(uri);SequenceFile.Reader reader = null;try {reader = new SequenceFile.Reader(fs, path, conf);Writable key = (Writable)ReflectionUtils.newInstance(reader.getKeyClass(), conf);Writable value = (Writable)ReflectionUtils.newInstance(reader.getValueClass(), conf);long position = reader.getPosition();while(reader.next(key,value))
{String syn = reader.syncSeen()?"*":"";System.out.printf("[%s%s]\t%s\t%s\n",position,syn,key,value);position = reader.getPosition();//转到下一条记录的开始位置}} catch (Exception e) {// TODO: handle exception}finally{org.apache.hadoop.io.IOUtils.closeStream(reader);}}public static void main(String[] args) throws IOException {read();}
对应输出结果:
还有一个也是进行中间存储的类叫做MapFile
建立mapFile的过程中主要一个变化是对sequence file进行了排序,而index就是索引的值
其中索引的间隔是通过 io.map.index.interval进行设定的
其中的writer 和 reader的处理和之前的sequence中基本是相似的
public static void writeMapFile() throws IOException{String uri = "hdfs://127.0.0.1:8020/user/trunck/input/fileMapFile";Configuration conf = new Configuration();FileSystem fs = FileSystem.get(URI.create(uri),conf);IntWritable key = new IntWritable();Text value = new Text();MapFile.Writer writer = null; //<申请对应部分的writer类型try {writer = new MapFile.Writer(conf,fs,uri,key.getClass(),value.getClass());for(int i = 0; i < 5; i++){key.set(i);value.set(myValue[i%myValue.length]);writer.append(key, value);}} catch (Exception e) {// TODO: handle exception}finally{org.apache.hadoop.io.IOUtils.closeStream(writer);}}@SuppressWarnings("deprecation")public static void readMapFile() throws IOException {String uri = "hdfs://127.0.0.1:8020/user/trunck/input/fileMapFile";Configuration conf = new Configuration();FileSystem fs = FileSystem.get(URI.create(uri),conf);MapFile.Reader reader = null;try {reader = new MapFile.Reader(fs, uri, conf);WritableComparable<?> key = (WritableComparable<?>)ReflectionUtils.newInstance(reader.getKeyClass(), conf);WritableComparable<?> value = (WritableComparable<?>)ReflectionUtils.newInstance(reader.getValueClass(), conf);while(reader.next(key,value)){System.out.printf("%s\t%s\n",key,value);}} catch (Exception e) {// TODO: handle exception}finally{org.apache.hadoop.io.IOUtils.closeStream(reader);}}
在hdfs中运行的结果:
mapfile执行的结果是一个文件夹
里面包含两个文件
其中data和index的内容:
index中表示索引是按照128键进行建立的
其中在reader的过程中可以按照合适的key值获得对应的value值
reader.get(new IntWritable(3),value);
System.out.printf("%s\n",value);
在查找的过程中,一般的方法是
先在索引中找到小于key值对应的是索引
再进入data文件中在index之后进行相应的查找操作
注意: 一般在MapFile中的索引会占用比较大的内存,减少内存的一个方法是加大间隔,但是会影响索引的值
还有一个比较好的办法就是在读index的过程中,可以跳过几个再读一次
通过io.map.index.skip进行设置
三 ArrayFile SetFile BloomMapFile
ArrayFile:
继承MapFile ,key可以直接确定为IntWriterable
SetFile:
其实是key值对应的set集合,其中的value的值设置为nullwritable进行占位符
其中在进行插入的时候必须是key值增序进行插入
bloommapfile:
主要的函数没有变化,一般是查询key值是否在集合之中
- mapreduce中的sequenceFile类,MapFile解析
- MapReduce中的SequenceFile和MapFile
- Hadoop中的SequenceFile和MapFile
- SequenceFile & MapFile
- SequenceFile & MapFile
- SequenceFile与MapFile
- SequenceFile与MapFile &hdfs的主要API类--FileSystem FSDataInputStream
- Hadoop2.7.3 mapreduce(三)SequenceFile和MapFile 简介与应用
- HDFS之SequenceFile和MapFile
- HDFS之SequenceFile和MapFile
- HDFS之SequenceFile和MapFile
- HDFS之SequenceFile和MapFile
- HDFS之SequenceFile和MapFile
- HDFS之SequenceFile和MapFile
- HDFS之SequenceFile和MapFile
- HDFS之SequenceFile和MapFile
- mapreduce读取sequencefile文件中的数据
- mapreduce读取sequencefile文件中的数据
- Android 自定义TitleBar替换ActionBar的另类方式
- 【Android Studio】制作清晰Gif截图以作为项目的运行效果
- Java中String类对象的初始化
- Android核心基础-12.多线程断点续传下载
- 安卓:ContentProvider之服务端提供接口,客户端通过接口对数据库中的数据进行操作
- mapreduce中的sequenceFile类,MapFile解析
- Ubuntu 12.04(64位)安装Android Studio
- 内存溢出解决办法
- Linux战地日记——find命令
- 【软考】软考视频总结
- 【15.09.21】一些容易被忽视的linux命令(一)
- Linux下的共享内存(01)---查看和释放共享内存
- 怎样才是理想的程序员
- Android中使用Bitmap会出现OutOfMemory的原因(转)