Hadoop文件的存储格式实例详解-巨人网络通讯

Hadoop文件的存储格式实例详解

sequence文件存储格式

1.txt

纯文本格式，若干行记录。默认用字符编码存储

2.SequenceFile格式（顺序文件格式，可进行切割）

key-value 格式进行存储，最终形成的是一个二进制文件，需用hadoop提供的api进行写入存储。

编写写入 seq文件案例。

  Configuration configuration = new Configuration();
  configuration.set("fs.defaultFS","hdfs://s100:8020");
  FileSystem fileSystem = FileSystem.get(configuration);
  Path path = new Path("hdfs://s100:8020/user/seqmyfile.seq");
  SequenceFile.Writer writer = SequenceFile.createWriter(fileSystem, configuration, path, IntWritable.class, Text.class);
  writer.append(new IntWritable(1),new Text("gg1"));
  writer.append(new IntWritable(1),new Text("gg2"));
  writer.append(new IntWritable(1),new Text("gg3"));
  writer.append(new IntWritable(1),new Text("gg4"));
  writer.close();

3.编写读取 seq 文件案例

 Configuration configuration = new Configuration();
  configuration.set("fs.defaultFS","hdfs://s100:8020");
  FileSystem fileSystem = FileSystem.get(configuration);
  Path path = new Path("hdfs://s100:8020/user/seqmyfile.seq");
  SequenceFile.Reader sr = new SequenceFile.Reader(fileSystem,path,configuration);
  IntWritable key = new IntWritable();
  Text value = new Text();
  while (sr.next(key,value)){
    System.out.println(key +":"+value );
  }

4.查看文件内容

$> hdfs dfs -text /user/myfile.seq
$> hdfs dfs -cat /user/myfile.seq （此命令查看会出现乱码）

seq 文件格式解析

顺序文件由文件头和随后的一条或多条记录组成

---文件头------
--key-value----sync
--key-value----
--key-value----
--key-value----
--key-value----sync
--key-value----
--key-value----
--key-value----sync

文件头格式

SEQ+版本号+key类型class+value类型class + 压缩格式类型

代码案例

 /**
   * 读取文件位置
   */
  public void seekSeq() throws IOException {
    Configuration configuration = new Configuration();
    configuration.set("fs.defaultFS","hdfs://s100:8020");
    FileSystem fileSystem = FileSystem.get(configuration);
    Path path = new Path("hdfs://s100:8020/user/seqmyfile.seq");
    SequenceFile.Reader sr = new SequenceFile.Reader(fileSystem,path,configuration);
    IntWritable key = new IntWritable();
    Text value = new Text();
    sr.seek(253); // 定位到第253字节的位置，告诉指针下一次要定位的位置。
    sr.next(key,value); // 定位到第253字节的位置，并取出相应的值。
    System.out.println(key +" : " + value);
    sr.close();
  }
 
  /**
   * 读取seqfile 同步点
   */
  public void sync() throws IOException {
    /**
     * -----文件头-------
 128byte* --key-value----sync
 153byte* --key-value----
    .* --key-value----
    .* --key-value----
    .* --key-value----sync
     * --key-value----
     * --key-value----
     * --key-value----sync
     */
    Configuration configuration = new Configuration();
    configuration.set("fs.defaultFS","hdfs://s100:8020");
    FileSystem fileSystem = FileSystem.get(configuration);
    Path path = new Path("hdfs://s100:8020/user/seqmyfile.seq");
    SequenceFile.Reader sr = new SequenceFile.Reader(fileSystem,path,configuration);
    IntWritable key = new IntWritable();
    Text value = new Text();
    int syncPos = 12;
    sr.sync(syncPos);//如上图在写入文件的时候可一指定多少条记录写入一个同步点
    long pos = sr.getPosition();//获取下次要定位的字节位置。
    sr.next(key,value);
    System.out.println("syncPos : " + syncPos + "pos : " + pos +"key : "+key+"value : " + value);
  }

MapFile文件格式

1.是排序的seqfie，具有索引。要求key按照大小顺序添加

2.包含两个文件