mapreduce中的sequenceFile类,MapFile解析

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