從本地上傳檔案至HDFS
阿新 • • 發佈:2021-09-15
一、結構化資料直接上傳
如果我們拿到要上傳的資料是結構化的,那麼就不需要在對資料做處理, 直接從本地上傳到HDFS上即可。
程式碼層面也比較簡單:
public class UploadFileToHDFS { public static void main(String[] args) throws Exception { Configuration cfg = new Configuration(); FileSystem fs = FileSystem.get(new URI("hdfs://192.168.145.200:9000"),cfg);// 自己修改登入hdfs的使用者 也可用本地系統使用者 去hdfs上授權 System.setProperty("HADOOP_USER_NAME","root"); /* 檔案上傳 */ // 獲得要上傳檔案的本地路徑 Path src = new Path("f:/mydata/logs/Log_20200101.log");
// 上傳的路徑 Path dst = new Path("/tmp");
// 上傳命令 fs.copyFromLocalFile(src,dst);
// 釋放資源fs.close(); } }
二、半結構化 / 非結構化資料轉化後再上傳
有時我們拿到要上傳的資料不一定是結構化的,可能是半結構化(JSON等)或者非結構化,這樣即便上傳也沒什麼意義。因此,我們先用Java語言,將其結構化了再上傳。
例如:
我們拿到的資料:
我們上傳後的資料;
package com.zyp.myhdfs.services; import com.alibaba.fastjson.JSON; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FSDataOutputStream;import org.apache.hadoop.fs.FileSystem; import org.apache.hadoop.fs.Path; import java.io.BufferedReader; import java.io.File; import java.io.FileReader; import java.io.IOException; import java.net.URI; import java.net.URISyntaxException; import java.util.concurrent.ExecutorService; import java.util.concurrent.Executors; /* * * todo:多執行緒傳遞多個檔案到HDFS上 * * */ public class UploadFileToHDFS2 { /* * 傳進來路徑 path 和檔名 filename, 將所有檔案全部上傳 * * */ public void writeFileToHDFS(String path,String filename) { FileSystem fs = null; FileReader fis = null; // 輸入流 讀取本地檔案 BufferedReader bis = null; // 對輸入流整行整行讀入 借用BufferedReader FSDataOutputStream fos = null; // 輸出流 往HDFS上輸出資料 try { fs = FileSystem.get(new URI("hdfs://192.168.145.200:9000"),new Configuration()); fis = new FileReader(path+"/"+filename); bis = new BufferedReader(fis); // 自己修改登入hdfs的使用者 也可用本地系統使用者 去hdfs上授權即可 System.setProperty("HADOOP_USER_NAME","root"); /* 用上面建立好的物件,往上寫資料 */ // 先去建立一個檔案,然後往裡面寫 fos = fs.create(new Path("/logs/"+filename)); String line =""; while ((line = bis.readLine()) !=null ){ Info info = JSON.parseObject(line, Info.class); // System.out.println(info.getGoodid()+","+info.getMachine().getMemory()); // 利用Sting模板 String ctx = String.format("%s,%s,%s,%s,%s,%s,%s,%s,%s,%s\n", //設定好格式,通過對映去資料來源中獲取對應的資料資料資訊 info.getMachine().getCpuType(), info.getMachine().getMemory(), info.getMachine().getCpuSeed(), info.getActTime(), info.getActType(), info.getGoodId(), info.getPage(), info.getUseId(), info.getBrowse().getBrowseType(), info.getBrowse().getBrowseVersion()); fos.write(ctx.getBytes()); } fos.flush(); } catch (IOException e) { e.printStackTrace(); } catch (URISyntaxException e) { e.printStackTrace(); } finally { try { fos.close(); bis.close(); fis.close(); // fs.close(); 這裡關閉通道會影響其他傳輸 } catch (IOException e) { e.printStackTrace(); } } } public static void main(String[] args) { ExecutorService es = Executors.newFixedThreadPool(30); // 固定執行緒池 final UploadFileToHDFS2 ufh = new UploadFileToHDFS2(); final String filePath = "f:/mydata/logs"; // 迴圈獲取所有的子檔案 File file = new File(filePath); String[] fs = file.list(); for (String fileName:fs){ es.execute(new Runnable() { @Override public void run() { ufh.writeFileToHDFS(filePath,fileName); } }); } es.shutdown(); } }
三、分組整合檔案後在上傳至一個檔案裡
通過對上面在HDFS上的執行效果觀察發現,本地一個檔案可能很小,遠遠不夠一個塊大小(128M),但是他也單獨佔據一個block塊。這樣就造成了很大的資源浪費,這裡考慮,將檔案整合後再上傳,儘可能的節省資源。
例如:
將一年內的日誌資訊,按月進行分類,HDFS上,每個月一個資料夾,然後往裡面新增對應該月的資料資訊
import com.alibaba.fastjson.JSON; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FSDataOutputStream; import org.apache.hadoop.fs.FileSystem; import org.apache.hadoop.fs.Path; import java.io.BufferedReader; import java.io.File; import java.io.FileReader; import java.io.IOException; import java.net.URI; import java.net.URISyntaxException; import java.util.*; import java.util.concurrent.ExecutorService; import java.util.concurrent.Executors; import java.util.stream.Collectors; /* * path: 原始檔路徑 * newFileName: hdfs上檔案和資料夾的名字 * files: [log_20200101.log,log_20200102.log] * todo: 考慮到每個檔案佔據一個block塊,太浪費空間 這裡將檔案整合在一起存到HDFS上 * 按月份 將每個月的檔案都寫到一個資料夾下 * */ public class MyMergeFile { public void batchWriteToHDFS(String path, String hdfsFileName, List<String> files) { FSDataOutputStream fos = null; try { FileSystem fs = FileSystem.get(new URI("hdfs://192.168.145.200:9000"), new Configuration()); // 分割hdfs檔案 獲得資料夾名字 String folderName = hdfsFileName.split("_")[1]; // 自己修改登入hdfs的使用者 也可用本地系統使用者 去hdfs上授權即可 System.setProperty("HADOOP_USER_NAME", "root"); // 在hdfs下先建立資料夾 fs.mkdirs(new Path("/logs" + folderName)); // 在資料夾下建立一個檔案 fos = fs.create(new Path("/logs" + folderName + "/" + hdfsFileName)); // 迴圈讀取檔案 並向hdfs檔案中寫入資料 for (String localFile : files) { BufferedReader br = null; try { br = new BufferedReader(new FileReader(path + "/" + localFile)); String line = ""; while ((line = br.readLine()) != null) { try { Info info = JSON.parseObject(line, Info.class); // System.out.println(info.getGoodid()+","+info.getMachine().getMemory()); // 利用Sting模板 String ctx = String.format("%s,%s,%s,%s,%s,%s,%s,%s,%s,%s\n", info.getMachine().getCpuType(), info.getMachine().getMemory(), info.getMachine().getCpuSeed(), info.getActTime(), info.getActType(), info.getGoodId(), info.getPage(), info.getUseId(), info.getBrowse().getBrowseType(), info.getBrowse().getBrowseVersion()); fos.write(ctx.getBytes()); } catch (Exception e) { continue; // 防止原始檔裡JSON 格式錯誤 ,繼續往下執行 } } fos.flush(); } catch (IOException e) { e.printStackTrace(); } finally { try { br.close(); } catch (IOException e) { e.printStackTrace(); } } } } catch (IOException e) { e.printStackTrace(); } catch (URISyntaxException e) { e.printStackTrace(); } finally { try { fos.close(); } catch (IOException e) { e.printStackTrace(); } } } /* * 將一年內的所有檔案整合 分組 上傳到hdfs * * */ public static void main(String[] args) { /* * 正常的檔案分組 * */ // File file = new File("f:/mydata/logs"); //// 獲取所有檔案 // String[] files = file.list(); //// 按照月份分組 log_202001,log_202002 // Map<String, List<String>> map = new HashMap<>(); // for (String fn : files) { // String keyName = fn.substring(0,10); // 截取出來所有檔案的月份部分 // if (map.containsKey(keyName)){ // 判斷該月份是否存在 // map.get(keyName).add(fn); // 存在該月份 就直接將檔案存到該 key的list中 // }else { // List<String> lst = new ArrayList<>(); // 不存在 就建立一個list 存放檔名 // lst.add(fn); // map.put(keyName,lst); // } // } // System.out.println(map); /* * 使用java工具 jdk必須是1.8以上 * */ File file = new File("f:/mydata/logs"); // 獲取所有檔案 String[] files = file.list(); List<String> lst = Arrays.asList(files); // java 流式程式設計 Map<String, List<String>> mp = lst.stream().collect( Collectors.groupingBy(line -> line.substring(0, 10)) ); // System.out.println(mp); // 遍歷hashmap ExecutorService es = Executors.newFixedThreadPool(12); final MyMergeFile mmf = new MyMergeFile(); for (String key : mp.keySet()) { final String keyName = key; final List<String> fs = mp.get(key); es.execute(new Runnable() { @Override public void run() { mmf.batchWriteToHDFS("f:/mydata/logs",keyName,fs); } }); } es.shutdown(); } }