hadoop学习7-

总结:

1）常见的数据压缩算法

DEFLATE bzip2  gzip snappy

2）使用native压缩库算法

snappy 安装 libsnappy.so libhadoop.so

gzip deflate 安装zlib libhadoop.so

3）CompressCodec进行操作

压缩: createOutputStream 来获得 CompreesionOutputStream

解压缩:createInputStream 来获得CompressionInputStreamy

解压缩:

public static void main(String[] args) throws FileNotFoundException, IOException {
		// TODO Auto-generated method stub
		String file = "/home/README.txt.gz";
		Configuration conf = new Configuration();
		CompressionCodecFactory codecFactory = new CompressionCodecFactory(conf);
		CompressionCodec codec= codecFactory.getCodec(new Path(file));
		CompressionInputStream in = codec.createInputStream(new FileInputStream(new File(file)));
		FileOutputStream out = new FileOutputStream(new File(codecFactory.removeSuffix(file, codec.getDefaultExtension())));
		IOUtils.copyBytes(in, out, 4096);
		in.close();
		out.close();
	}

HDFS数据完整性

1）HDFS以透明方式校验所有写入的数据，针对数据的io.bytes.per.checksum()字节创建一个独立的校验和，

如果节点检测数据错误，就会ChecSumException异常

2)除了在读取数据时进行验证，数据节点也会在后台运行一个进程，DataBlockScanner(数据块检测程序)来验证在数据节点上的所有的块

3)一旦检测到corrupt block，在heartbeat阶段，DN会收到NN发来的Block Command，从其他数据库中拷贝一份新的replica

使用checksumFileSystem

	public static void main(String[] args) throws IOException {
		// TODO Auto-generated method stub
		Configuration conf = new Configuration();
		LocalFileSystem locaFs = ChecksumFileSystem.getLocal(conf);
		System.out.println(locaFs.getChecksumFile(new Path("/home/README.txt")));
	}