Hadoop HDFS编程 API入门系列之合并小文件到HDFS(三)

简介:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 代码版本1

复制代码
  1 package zhouls.bigdata.myWholeHadoop.HDFS.hdfs7;
  2 
  3 import java.io.IOException;
  4 import java.net.URI;
  5 import java.net.URISyntaxException;
  6 import org.apache.hadoop.conf.Configuration;
  7 import org.apache.hadoop.fs.FSDataInputStream;
  8 import org.apache.hadoop.fs.FSDataOutputStream;
  9 import org.apache.hadoop.fs.FileStatus;
 10 import org.apache.hadoop.fs.FileSystem;
 11 import org.apache.hadoop.fs.FileUtil;
 12 import org.apache.hadoop.fs.Path;
 13 import org.apache.hadoop.fs.PathFilter;
 14 import org.apache.hadoop.io.IOUtils;
 15 /**
 16  * function 合并小文件至 HDFS 
 17  * 
 18  *
 19  */
 20 public class MergeSmallFilesToHDFS 
 21 {
 22     private static FileSystem fs = null;  //定义文件系统对象,是HDFS上的
 23     private static FileSystem local = null; //定义文件系统对象,是本地上的
 24     
 25     /**
 26      * @function main 
 27      * @param args
 28      * @throws IOException
 29      * @throws URISyntaxException
 30      */
 31     
 32     public static void main(String[] args) throws IOException,URISyntaxException{
 33     
 34         list();
 35     }
 36 
 37     /**
 38      * 
 39      * @throws IOException
 40      * @throws URISyntaxException
 41      */
 42     public static void list() throws IOException, URISyntaxException{
 43         // 读取hadoop配置文件
 44         Configuration conf = new Configuration();
 45         // 文件系统访问接口和创建FileSystem对象,在本地上运行模式
 46         URI uri = new URI("hdfs://HadoopMaster:9000");
 47         fs = FileSystem.get(uri, conf);
 48         // 获得本地文件系统
 49         local = FileSystem.getLocal(conf);
 50         // 过滤目录下的 svn 文件
 51         FileStatus[] dirstatus = local.globStatus(new Path("./data/mergeSmallFilesToHDFS/73/*"),new RegexExcludePathFilter("^.*svn$"));
 52 //    FileStatus[] dirstatus = local.globStatus(new Path("D://data/73/*"),new RegexExcludePathFilter("^.*svn$"));
 53         //获取D:\Data\tvdata目录下的所有文件路径
 54         Path[] dirs = FileUtil.stat2Paths(dirstatus);
 55         FSDataOutputStream out = null;
 56         FSDataInputStream in = null;
 57         for (Path dir : dirs) 
 58         {//比如拿2012-09-17为例
 59             //将文件夹名称2012-09-17的-去掉,直接,得到20120901文件夹名称
 60             String fileName = dir.getName().replace("-", "");//文件名称
 61             //只接受20120917日期目录下的.txt文件
 62             FileStatus[] localStatus = local.globStatus(new Path(dir+"/*"),new RegexAcceptPathFilter("^.*txt$"));
 63             // 获得20120917日期目录下的所有文件
 64             Path[] listedPaths = FileUtil.stat2Paths(localStatus);
 65             // 输出路径
 66             Path block = new Path("hdfs://HadoopMaster:9000/middle/tv/"+ fileName + ".txt");
 67             System.out.println("合并后的文件名称:"+fileName+".txt");
 68             // 打开输出流
 69             out = fs.create(block);    
 70             //循环20120917日期目录下的所有文件
 71             for (Path p : listedPaths){//这是星型for循环,即listedPaths的值传给Path p
 72                 in = local.open(p);// 打开输入流
 73                 IOUtils.copyBytes(in, out, 4096, false); // 复制数据
 74                 // 关闭输入流
 75                 in.close();
 76             }
 77             if (out != null){
 78                 // 关闭输出流
 79                 out.close();
 80             }
 81             //当循环完20120917日期目录下的所有文件之后,接着依次20120918,20120919,,,
 82         }
 83     }
 84 
 85     /**
 86      * 
 87      * @function 过滤 regex 格式的文件
 88      *
 89      */
 90     public static class RegexExcludePathFilter implements PathFilter{
 91         private final String regex;
 92 
 93         public RegexExcludePathFilter(String regex){
 94             this.regex = regex;
 95         }
 96 
 97         
 98         public boolean accept(Path path){
 99             // TODO Auto-generated method stub
100             boolean flag = path.toString().matches(regex);
101             return !flag;
102         }
103 
104     }
105 
106     /**
107      * 
108      * @function 接受 regex 格式的文件
109      *
110      */
111     public static class RegexAcceptPathFilter implements PathFilter{
112         private final String regex;
113 
114         public RegexAcceptPathFilter(String regex){
115             this.regex = regex;
116         }
117 
118     
119         public boolean accept(Path path){
120             // TODO Auto-generated method stub
121             boolean flag = path.toString().matches(regex);
122             return flag;
123         }
124 
125     }
126 }
复制代码

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

代码版本2

复制代码
  1 package com.dajiangtai.Hadoop.HDFS;
  2 
  3 import java.io.IOException;
  4 import java.net.URI;
  5 import java.net.URISyntaxException;
  6 import org.apache.hadoop.conf.Configuration;
  7 import org.apache.hadoop.fs.FSDataInputStream;
  8 import org.apache.hadoop.fs.FSDataOutputStream;
  9 import org.apache.hadoop.fs.FileStatus;
 10 import org.apache.hadoop.fs.FileSystem;
 11 import org.apache.hadoop.fs.FileUtil;
 12 import org.apache.hadoop.fs.Path;
 13 import org.apache.hadoop.fs.PathFilter;
 14 import org.apache.hadoop.hdfs.DistributedFileSystem;
 15 import org.apache.hadoop.io.IOUtils;
 16 /**
 17  * function 合并小文件至 HDFS     ,  文件与块大小(比如128M)来比,小的话,称为小文件。是一个相对概念!相对于数据块而言的!
 18  * @author 小讲
 19  *  我们利用通配符和PathFilter 对象,将本地多种格式的文件上传至 HDFS文件系统,并过滤掉 txt文本格式以外的文件。
 20  */
 21 public class MergeSmallFilesToHDFS {
 22     private static FileSystem fs = null;
 23     private static FileSystem local = null;
 24     /**
 25      * @function main 
 26      * @param args
 27      * @throws IOException
 28      * @throws URISyntaxException
 29      */
 30     public static void main(String[] args) throws IOException,
 31             URISyntaxException {
 32         list();
 33     }
 34 
 35     /**
 36      * 
 37      * @throws IOException
 38      * @throws URISyntaxException
 39      */
 40     public static void list() throws IOException, URISyntaxException {
 41         // 读取hadoop文件系统的配置
 42         Configuration conf = new Configuration();
 43 //        conf=Configuration
 44 //        conf是Configuration: core-default.xml, core-site.xml, mapred-default.xml, mapred-site.xml, yarn-default.xml, yarn-site.xml, hdfs-default.xml, hdfs-site.xml
 45         
 46         //文件系统访问接口
 47         URI uri = new URI("hdfs://djt002:9000");
 48 //        uri=URI
 49 //        uri是hdfs://djt002:9000
 50         
 51 //        URL、URI与Path三者的区别
 52 //        Hadoop文件系统中通过Hadoop Path对象来代表一个文件    
 53 //        URL(相当于绝对路径)    ->   (文件) ->    URI(相当于相对路径,即代表URL前面的那一部分)
 54 //        URI:如hdfs://dajiangtai:9000
 55 //        如,URL.openStream
 56         
 57         
 58         
 59         //获得FileSystem实例,即HDFS
 60         fs = FileSystem.get(uri, conf);
 61 //        fs=DistributedFileSystem
 62 //        fs是DFS[DFSClient[clientName=DFSClient_NONMAPREDUCE_1814566850_1, ugi=Administrator (auth:SIMPLE)]]
 63         
 64         //获得FileSystem实例,即Local
 65         local = FileSystem.getLocal(conf);
 66 //        local=LocalFileSystem
 67 //        local是org.apache.hadoop.fs.LocalFileSystem@3ce1b8c5
 68 //            为什么要获取到Local呢,因为,我们要把本地D盘下data/73目录下的文件要合并后,上传到HDFS里,所以,我们需先获取到Local,再来做合并工作啦!
 69         
 70         
 71 //        18、列出文件或目录内容(主要是存放文件或目录的元数据,即大小,权限,副本,,,)
 72 //        public FileStatus[] listStatus(Path f) throws IOException
 73 //        public FileStatus[] listStatus(Path f,PathFilter filter) throws IOException
 74 //                PathFilter是路径过滤器
 75 //        public FileStatus[] listStatus(Path[] files) throws IOException
 76 //        public FileStatus[] listStatus(Path[] files,PathFilter filter)
 77 //                传送Path数组和路径过滤器
 78 //                
 79 //                
 80 //        19、FileUtil中的stat2Paths(),将一个FileStatus元数据对象数组转换为一个Path对象数组
 81 //
 82 //        20、(1)使用通配符来匹配多个目录下的多个文件,也是列出文件或目录内容(主要是存放文件或目录的元数据,即大小,权限,副本,,,)
 83 //        public FileStatus[] globStatus(Path pathPattern) throws IOException
 84 //        public FileStatus[] globStatus(Path pathPattern,PathFilter filter) throws IOException
 85 //                    
 86 //          (2)PathFilter对象
 87 //        public interface PathFilter{
 88 //            boolean accpet(Path path);
 89 //        }        
 90         
 91         
 92         
 93         //过滤目录下的 svn 文件,globStatus从第一个参数通配符合到文件,剔除满足第二个参数到结果,因为PathFilter中accept是return!  
 94         FileStatus[] dirstatus = local.globStatus(new Path("D://data/73/*"),new RegexExcludePathFilter("^.*svn$"));//一般这是隐藏文件,所以得排除
 95         //dirstatus=FileStatus[7]
 96 //        dirstatus是[DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17; isDirectory=true; modification_time=1427791478002; access_time=0; owner=; group=; permission=rwxrwxrwx; isSymlink=false}
 97 //        , DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18; isDirectory=true; modification_time=1427791505373; access_time=0; owner=; group=; permission=rwxrwxrwx; isSymlink=false}
 98 //        , DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-19; isDirectory=true; modification_time=1427791532277; access_time=0; owner=; group=; permission=rwxrwxrwx; isSymlink=false}
 99 //        , DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-20; isDirectory=true; modification_time=1427791553035; access_time=0; owner=; group=; permission=rwxrwxrwx; isSymlink=false}
100 //        , DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-21; isDirectory=true; modification_time=1427791577709; access_time=0; owner=; group=; permission=rwxrwxrwx; isSymlink=false}
101 //        , DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-22; isDirectory=true; modification_time=1427791602770; access_time=0; owner=; group=; permission=rwxrwxrwx; isSymlink=false}
102 //        , DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-23; isDirectory=true; modification_time=1427791647177; access_time=0; owner=; group=; permission=rwxrwxrwx; isSymlink=false}]
103         
104                         
105                         //        ^表示匹配我们字符串开始的位置               *代表0到多个字符                        $代表字符串结束的位置
106 //        RegexExcludePathFilter来只排除我们不需要的,即svn格式
107 //        RegexExcludePathFilter这个方法我们自己写
108         
109 //        但是我们,最终是要处理文件里的东西,最终是要转成Path类型,因为Path对象f,它对应着一个文件。
110         
111         //获取73目录下的所有文件路径,注意FIleUtil中stat2Paths()的使用,它将一个FileStatus对象数组转换为Path对象数组。
112         Path[] dirs = FileUtil.stat2Paths(dirstatus);//dirstatus是FileStatus数组类型
113 //        dirs=Path[7]
114 //        dirs是    [file:/D:/data/73/2012-09-17
115 //                 , file:/D:/data/73/2012-09-18
116 //                 , file:/D:/data/73/2012-09-19
117 //                 , file:/D:/data/73/2012-09-20
118 //                 , file:/D:/data/73/2012-09-21
119 //                 , file:/D:/data/73/2012-09-22
120 //                 , file:/D:/data/73/2012-09-23]        
121                 
122         
123         FSDataOutputStream out = null;//输出流
124 //        out=HdfsDaDataOutputStream
125 //        out是org.apache.hadoop.hdfs.client.HdfsDataOutputStream@2b11624e
126         
127         FSDataInputStream in = null;//输入流
128 //        in=ChecksumFileSystem&FSDataBoundedInputStream
129 //        in是org.apache.hadoop.fs.ChecksumFileSystem$FSDataBoundedInputStream@526d542f
130         
131 //        很多人搞不清输入流和输出流,!!!!
132 //        其实啊,输入流、输出流都是针对内存的
133 //        往内存里写,是输入流。
134 //        内存往文件里写,是输出Luis。
135 //        
136 //        比如一个文件A复制到另一文件B,那么,先写到内存里,再写到文件B。
137 //           =>   则文件A写到内存里,叫输入流。
138 //           =>    则内存里写到文件B,叫输出流    
139         
140         
141         for (Path dir : dirs) {//for星型循环,即将dirs是Path对象数组,一一传给Path dir
142 //            dirs=Path[7]
143 //            dirs是[file:/D:/data/73/2012-09-17
144 //                  , file:/D:/data/73/2012-09-18
145 //                  , file:/D:/data/73/2012-09-19
146 //                  , file:/D:/data/73/2012-09-20
147 //                  , file:/D:/data/73/2012-09-21
148 //                  , file:/D:/data/73/2012-09-22
149 //                  , file:/D:/data/73/2012-09-23]    
150             
151 //        dir= Path    
152 //        先传,dir是file:/D:/data/73/2012-09-17
153 //        再传,file:/D:/data/73/2012-09-18           
154 //        再传,file:/D:/data/73/2012-09-19     
155 //        再传,file:/D:/data/73/2012-09-20       
156 //        再传,file:/D:/data/73/2012-09-21       
157 //        再传,file:/D:/data/73/2012-09-22       
158 //        再传,file:/D:/data/73/2012-09-23       
159             
160             String fileName = dir.getName().replace("-", "");//文件名称
161 //                        先获取到如2012-09-17,然后经过replace("-", ""),得到20120917
162 //                                                                再获取,20120918
163 //                                                                再获取,20120919
164 //                                                                再获取,20120920
165 //                                                                再获取,20120921
166 //                                                                再获取,20120922
167 //                                                                再获取,20120923            
168             
169             //只接受日期目录下的.txt文件,^匹配输入字符串的开始位置,$匹配输入字符串的结束位置,*匹配0个或多个字符。
170             FileStatus[] localStatus = local.globStatus(new Path(dir+"/*"),new RegexAcceptPathFilter("^.*txt$"));
171 //            先获取到,localStatus=FileStatus[23]
172 //                   localStatus是[DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917000000.txt; isDirectory=false; length=1111961; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917001500.txt; isDirectory=false; length=782533; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917003000.txt; isDirectory=false; length=593507; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917004500.txt; isDirectory=false; length=839019; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917010000.txt; isDirectory=false; length=866393; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917011500.txt; isDirectory=false; length=678491; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917013000.txt; isDirectory=false; length=593292; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917014500.txt; isDirectory=false; length=688620; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917020000.txt; isDirectory=false; length=674864; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917021500.txt; isDirectory=false; length=635052; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917023000.txt; isDirectory=false; length=547324; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917024500.txt; isDirectory=false; length=598814; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917030000.txt; isDirectory=false; length=542600; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917031500.txt; isDirectory=false; length=535446; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917033000.txt; isDirectory=false; length=592780; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917034500.txt; isDirectory=false; length=619410; replication=1; blocksize=33554432; modification_time=1398669216000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917040000.txt; isDirectory=false; length=590326; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917041500.txt; isDirectory=false; length=428487; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917043000.txt; isDirectory=false; length=598048; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917044500.txt; isDirectory=false; length=598792; replication=1; blocksize=33554432; modification_time=1398669216000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917050000.txt; isDirectory=false; length=575613; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917051500.txt; isDirectory=false; length=619080; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-17/ars10767@20120917053000.txt; isDirectory=false; length=587763; replication=1; blocksize=33554432; modification_time=1398669214000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}]
173 //                   再获取到,localStatus=FileStatus[23]
174 //            localStatus是[DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918131500.txt; isDirectory=false; length=1722797; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918133000.txt; isDirectory=false; length=1922955; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918134500.txt; isDirectory=false; length=1388036; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918140000.txt; isDirectory=false; length=1888871; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918141500.txt; isDirectory=false; length=1685719; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918143000.txt; isDirectory=false; length=1541381; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918144500.txt; isDirectory=false; length=1723638; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918150000.txt; isDirectory=false; length=1629322; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918151500.txt; isDirectory=false; length=1658684; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918153000.txt; isDirectory=false; length=1548216; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918154500.txt; isDirectory=false; length=1510965; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918160000.txt; isDirectory=false; length=1559078; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918161500.txt; isDirectory=false; length=1752005; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918163000.txt; isDirectory=false; length=1901994; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918164500.txt; isDirectory=false; length=2234304; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918170000.txt; isDirectory=false; length=1912051; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918171500.txt; isDirectory=false; length=1711317; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918173000.txt; isDirectory=false; length=1799747; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918174500.txt; isDirectory=false; length=2038653; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918180000.txt; isDirectory=false; length=2341515; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918181500.txt; isDirectory=false; length=2396977; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918183000.txt; isDirectory=false; length=2382769; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}, DeprecatedRawLocalFileStatus{path=file:/D:/data/73/2012-09-18/ars10767@20120918184500.txt; isDirectory=false; length=2709048; replication=1; blocksize=33554432; modification_time=1398669244000; access_time=0; owner=; group=; permission=rw-rw-rw-; isSymlink=false}]
175 //            再获取到,,,,不多赘述。
176             
177             
178 //            FileStatus[] localStatus = local.listStatus(new Path(dir+"/*"),new RegexAcceptPathFilter("^.*txt$"));//试试,看有什么区别?
179 
180 //            如果不设置过滤器,FileInputFormat 会使用一个默认的过滤器来排除隐藏文件。 
181 //            如果通过调用 setInputPathFilter()设置了过滤器,它会在默认过滤器的基础上进行过滤。换句话说,自定义的过滤器只能看到非隐藏文件。
182             
183             
184                     //RegexAcceptPathFilter这个方法,我们自己写
185 //            RegexAcceptPathFilter来只接收我们需要,即txt格式
186 //            这里,我们还可以只接收别的格式,自己去改,一定要锻炼学会改别人的代码
187             
188             
189             // 获得如2012-09-17日期目录下的所有文件
190             Path[] listedPaths = FileUtil.stat2Paths(localStatus);
191 //            同样,但是我们,最终是要处理文件里的东西,最终是要转成Path类型,因为Path对象f,它对应着一个文件。
192             
193 //            先获取,listedPaths=Path[23]
194 //            先获取2012-09-17下的所有,这个不多赘述啦!
195             
196 //            再获取,listedPaths=Path[23]
197 //            listedPaths是[file:/D:/data/73/2012-09-18/ars10767@20120918131500.txt
198 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918133000.txt
199 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918134500.txt
200 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918140000.txt
201 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918141500.txt
202 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918143000.txt
203 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918144500.txt
204 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918150000.txt
205 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918151500.txt
206 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918153000.txt
207 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918154500.txt
208 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918160000.txt
209 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918161500.txt
210 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918163000.txt
211 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918164500.txt
212 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918170000.txt
213 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918171500.txt
214 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918173000.txt
215 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918174500.txt
216 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918180000.txt
217 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918181500.txt
218 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918183000.txt
219 //                         , file:/D:/data/73/2012-09-18/ars10767@20120918184500.txt]
220             
221             //输出路径
222             Path block = new Path("hdfs://djt002:9000/outData/MergeSmallFilesToHDFS/"+ fileName + ".txt");
223             //fileName是"fileName"
224 //            block=Path
225 //            block是hdfs://djt002:9000/outData/MergeSmallFilesToHDFS/20120918.txt
226             
227             // 打开输出流
228             out = fs.create(block);//因为,合并小文件之后,比如这是,合并2012-09-17日期目录下的所有小文件,之后,要上传到HDFS里。
229 //                类似于,文件A写到内存里,再内存里写到文件B。而这行代码out = fs.create(block);是相当于是,内存里写到文件B。所以是输出流,即是从内存里输出的,所以叫输出流。
230 //                            这里,文件A是Local                文件B是HDFS
231 
232 //                                        文件与块大小(比如128M)来比,小的话,称为小文件。是一个相对概念!相对于数据块而言的!
233             
234 //            很多人搞不清输入流和输出流,!!!!
235 //            其实啊,输入流、输出流都是针对内存的
236 //            往内存里写,是输入流。
237 //            内存往文件里写,是输出Luis。
238 //            
239 //            比如一个文件A复制到另一文件B,那么,先写到内存里,再写到文件B。
240 //               =>   则文件A写到内存里,叫输入流。
241 //               =>    则内存里写到文件B,叫输出流    
242             
243             
244             for (Path p : listedPaths) {//for星型循环,即将listedPaths的值一一传给Path p
245             //先获取2012-09-17下的所有,这个不多赘述啦!
246             //现在,获取到2012-09-18下了
247 //            p=Path
248 //            p是file:/D:/data/73/2012-09-18/ars10767@20120918134500.txt
249 //            得一个一个来,这才叫做一一传给Path p
250                 
251                 in = local.open(p);// 打开输入流in
252 //                类似于,文件A写到内存里,再内存里写到文件B。而这行代码in = local.open(p);是相当于是,文件A写到内存里。所以是输如流,即是写到内存里的,所以叫输入流。
253 //                    这里,文件A是Local                文件B是HDFS
254                 
255                 IOUtils.copyBytes(in, out, 4096, false); // 复制数据,IOUtils.copyBytes可以方便地将数据写入到文件,不需要自己去控制缓冲区,也不用自己去循环读取输入源。false表示不自动关闭数据流,那么就手动关闭。
256 //                IOUtils.copyBytes这个方法很重要
257                                 //是否自动关闭输入流和输出流,若是false,就要单独去关闭。则不在这个方法体里关闭输入和输出流了。
258 //                                                     若是true,则在这个方法里关闭输入和输出流。不需单独去关闭了
259                 
260                 
261 //                明白,IOUtils类的copyBytes将hdfs数据流拷贝到标准输出流System.out中,
262 //                copyBytes前两个参数好理解,一个输入,一个输出,第三个是缓存大小,第四个指定拷贝完毕后是否关闭流。
263 //                要设置为false,标准输出流不关闭,我们要手动关闭输入流。即,设置为false表示关闭输入流
264                 
265 //                主要是把最后的这个参数定义好, 就可以了。 定义为true还是false,则决定着是否在这个方法体里关闭
266 //                若定义为true,则在这个方法体里直接关闭输入流、输出流。不需单独去关闭了
267 //                若定义为false,则不在这个方法体里直接关闭输入流、输出流。需单独去关闭了
268                 
269                 
270                 // 关闭输入流
271                 in.close();//若定义为false,则不在这个方法体里直接关闭输入流、输出流。需单独去关闭了。这就是单独在关闭输入流!!!懂了吗
272             }
273             if (out != null) {//这里为什么不为空,空指针,则说明里面还有资源。
274                 // 关闭输出流
275                 out.close();//若定义为false,则不在这个方法体里直接关闭输入流、输出流。需单独去关闭了。这就是单独在关闭输出流!!!懂了吗
276             }
277         }
278         
279     }
280 
281     /**
282      * 
283      * @function 过滤 regex 格式的文件
284      *
285      */
286     public static class RegexExcludePathFilter implements PathFilter {
287         private final String regex;//变量
288 
289         public RegexExcludePathFilter(String regex) {//这个是上面的那个,正在表达式
290             this.regex = regex;//将String regex的值,赋给RegexExcludePathFilter类里的private final String regex的值
291         }
292 
293         public boolean accept(Path path) {//主要是实现accept方法
294             // TODO Auto-generated method stub
295             boolean flag = path.toString().matches(regex);//匹配正则表达式,这里是^.*svn$
296             return !flag;
297         }
298 
299     }
300 
301     /**
302      * 
303      * @function 接受 regex 格式的文件
304      *
305      */
306     public static class RegexAcceptPathFilter implements PathFilter {
307         private final String regex;//变量
308 
309         public RegexAcceptPathFilter(String regex) {//这个是上面的那个,正在表达式
310             this.regex = regex;//将String regex的值,赋给RegexAcceptPathFilter类里的private final String regex的值
311         }
312 
313         public boolean accept(Path path) {//主要是实现accept方法
314             // TODO Auto-generated method stub
315             boolean flag = path.toString().matches(regex);//匹配正则表达式,这里是^.*txt$
316             return flag;
317         }
318 
319     }
320 }
复制代码

 



本文转自大数据躺过的坑博客园博客,原文链接:http://www.cnblogs.com/zlslch/p/6174553.html,如需转载请自行联系原作者
相关文章
|
2月前
|
API
Poi 中文API文档 「40种操作 Excel文件的姿势」
Poi 中文API文档 「40种操作 Excel文件的姿势」
116 0
|
9天前
|
分布式计算 Hadoop 测试技术
Hadoop【基础知识 05】【HDFS的JavaAPI】(集成及测试)
【4月更文挑战第5天】Hadoop【基础知识 05】【HDFS的JavaAPI】(集成及测试)
35 8
|
9天前
|
分布式计算 资源调度 Hadoop
Hadoop【基础知识 03+04】【Hadoop集群资源管理器yarn】(图片来源于网络)(hadoop fs + hadoop dfs + hdfs dfs 使用举例)
【4月更文挑战第5天】Hadoop【基础知识 03】【Hadoop集群资源管理器yarn】(图片来源于网络)Hadoop【基础知识 04】【HDFS常用shell命令】(hadoop fs + hadoop dfs + hdfs dfs 使用举例)
36 9
|
10天前
|
分布式计算 Hadoop Shell
Hadoop【基础知识 04】【HDFS常用shell命令】(hadoop fs + hadoop dfs + hdfs dfs 使用举例)
【4月更文挑战第4天】Hadoop【基础知识 04】【HDFS常用shell命令】(hadoop fs + hadoop dfs + hdfs dfs 使用举例)
24 5
|
11天前
|
存储 Java 关系型数据库
掌握Java 8 Stream API的艺术:详解流式编程(一)
掌握Java 8 Stream API的艺术:详解流式编程
42 1
|
12天前
|
存储 分布式计算 Hadoop
【Hadoop】HDFS 读写流程
【4月更文挑战第9天】【Hadoop】HDFS 读写流程
|
27天前
|
算法 Linux API
【Linux系统编程】一文了解 Linux目录的创建和删除API 创建、删除与读取
【Linux系统编程】一文了解 Linux目录的创建和删除API 创建、删除与读取
28 0
【Linux系统编程】一文了解 Linux目录的创建和删除API 创建、删除与读取
|
29天前
|
Java 数据库连接 API
Java 学习路线:基础知识、数据类型、条件语句、函数、循环、异常处理、数据结构、面向对象编程、包、文件和 API
Java 是一种广泛使用的、面向对象的编程语言,始于1995年,以其跨平台性、安全性和可靠性著称,应用于从移动设备到数据中心的各种场景。基础概念包括变量(如局部、实例和静态变量)、数据类型(原始和非原始)、条件语句(if、else、switch等)、函数、循环、异常处理、数据结构(如数组、链表)和面向对象编程(类、接口、继承等)。深入学习还包括包、内存管理、集合框架、序列化、网络套接字、泛型、流、JVM、垃圾回收和线程。构建工具如Gradle、Maven和Ant简化了开发流程,Web框架如Spring和Spring Boot支持Web应用开发。ORM工具如JPA、Hibernate处理对象与数
91 3
|
1月前
|
Linux API C++
【Linux C/C++ 线程同步 】Linux API 读写锁的编程使用
【Linux C/C++ 线程同步 】Linux API 读写锁的编程使用
20 1
|
1月前
|
分布式计算 DataWorks 大数据
DataWorks常见问题之使用API删除之前的部署文件失败如何解决
DataWorks是阿里云提供的一站式大数据开发与管理平台,支持数据集成、数据开发、数据治理等功能;在本汇总中,我们梳理了DataWorks产品在使用过程中经常遇到的问题及解答,以助用户在数据处理和分析工作中提高效率,降低难度。

热门文章

最新文章