HDFS之SequenceFile和MapFile
时间:2022-07-25
本文章向大家介绍HDFS之SequenceFile和MapFile,主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。
- Hadoop的HDFS和MapReduce子框架主要是针对大数据文件来设计的,在小文件的处理上不但效率低下,而且十分消耗磁盘空间(每一个小文件占用一个Block,HDFS默认block大小为64M)。 解决办法:通常是选择一个容器,将这些小文件组织起来统一存储。HDFS提供了两种类型的容器,分别是SequenceFile和MapFile。
SequenceFile
- 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(Flat File)。SequenceFile文件并不保证其存储的key-value数据是按照key的某个顺序存储的,同时不支持append操作(虽然写数据方法名叫做append)。
- 在SequenceFile文件中,每一个key-value被看做是一条记录(Record),因此基于Record的压缩策略,SequenceFile文件可支持三种压缩类型: NONE:对records不进行压缩; RECORD:仅压缩每一个record中的value值; BLOCK:将一个block中的所有records压缩在一起;(注:每个block的大小是可通过 io.seqfile.compress.blocksize属性来指定的)
写接口
那么,基于这三种压缩类型,Hadoop提供了对应的三种类型的Writer:
// Writer内部类用于文件的写操作,假设Key和Value都为Text类型
SequenceFile.Writer writer = SequenceFile.createWriter(conf,
Writer.file(seqFile),
Writer.keyClass(Text.class),
Writer.valueClass(Text.class),
Writer.compression(CompressionType.NONE));
SequenceFile可通过如下API来完成新记录的添加操作:
writer.append(key,value)
//前提是Key和Value需具备序列化和反序列化的功能
读接口
SequenceFile.Reader reader=new SequenceFile.Reader(fs,seqFile,conf);
- 实例:
public static void main(String[] args) throws IOException {
Configuration conf = new Configuration();
Path seqFile = new Path("/test/seqFile2.seq");
// Writer内部类用于文件的写操作,假设Key和Value都为Text类型
SequenceFile.Writer writer = SequenceFile.createWriter(conf,
Writer.file(seqFile), Writer.keyClass(Text.class),
Writer.valueClass(Text.class),
Writer.compression(CompressionType.NONE));
// 通过writer向文档中写入记录
writer.append(new Text("key"), new Text("value"));
IOUtils.closeStream(writer);// 关闭write流
// 通过reader从文档中读取记录
SequenceFile.Reader reader = new SequenceFile.Reader(conf,
Reader.file(seqFile));
Text key = new Text();
Text value = new Text();
while (reader.next(key, value)) {
System.out.println(key);
System.out.println(value);
}
IOUtils.closeStream(reader);// 关闭read流
}
MAPFile
- MapFile是排序后的SequenceFile,通过观察其目录结构可以看到MapFile由两部分组成,分别是index和data。
- index作为文件的数据索引,主要记录了每个Record的key值,以及该Record在文件中的偏移位置。在MapFile被访问的时候,索引文件会被加载到内存,通过索引映射关系可迅速定位到指定Record所在文件位置,因此,相对SequenceFile而言,MapFile的检索效率是高效的,缺点是会消耗一部分内存来存储index数据。
- 需注意的是,MapFile并不会把所有Record都记录到index中去,默认情况下每隔128条记录存储一个索引映射。当然,记录间隔可人为修改,通过MapFIle.Writer的setIndexInterval()方法,或修改io.map.index.interval属性;
- 与SequenceFile不同的是,MapFile的KeyClass一定要实现WritableComparable接口,即Key值是可比较的。
示例:MapFile读写操作
Configuration conf=new Configuration();
FileSystem fs=FileSystem.get(conf);
Path mapFile=new Path("mapFile.map");
//Reader内部类用于文件的读取操作
MapFile.Reader reader=new MapFile.Reader(fs,mapFile.toString(),conf);
//Writer内部类用于文件的写操作,假设Key和Value都为Text类型
MapFile.Writer writer=new MapFile.Writer(conf,fs,mapFile.toString(),Text.class,Text.class);
//通过writer向文档中写入记录
writer.append(new Text("key"),new Text("value"));
IOUtils.closeStream(writer);//关闭write流
//通过reader从文档中读取记录
Text key=new Text();
Text value=new Text();
while(reader.next(key,value)){
System.out.println(key);
System.out.println(key);
}
IOUtils.closeStream(reader);//关闭read流
注意:使用MapFile或SequenceFile虽然可以解决HDFS中小文件的存储问题,但也有一定局限性,如: 1. 文件不支持复写操作,不能向已存在的SequenceFile(MapFile)追加存储记录。 2. 当write流不关闭的时候,没有办法构造read流。也就是在执行文件写操作的时候,该文件是不可读取的。
喜欢 (0)or分享 (0)
- Support Annotation Library使用详解
- React Native之Navigator
- React Native组件生命周期
- React Native使用原生组件
- Android ViewDragHelper及移动处理总结
- android 仿音悦台页面交互效果
- Webpack+Babel+React开发环境搭建
- Android Studio中 .gitignore配置
- Android系统服务之WindowManager整理
- gulp+webpack工具整合简介
- React Native之常用第三方库
- React Native和Android整合详解
- 强大的API测试工具Hitchhiker v0.9 基于UI的断言测试,回顾2017
- WEB前端架构(二)
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法