序列文件 SequenceFile
SequenceFile的每条记录是可序列化的字符数组;
存储结构上,SequenceFile由一个Header后跟多条Record组成;
Header:
包含了Key classname,Value classname,存储压缩算法,用户自定义元数据等信息;还包含了一些同步标识,用于快速定位到记录的边界。
Record:
每条Record以键值对的方式进行存储;记录的长度、Key的长度、Key值和Value值,并且Value值的结构取决于该记录是否被压缩。
序列化文件的3种类型
未压缩
记录(Record)压缩
块(Block)压缩
SequenceFile的作用
可以作为小文件的容器,封装小文件;
用于存储键值对的二进制文件格式;
支持压缩;
保持可分割(可拆分)(拆分标志);
支持二进制的键和值;
在HDFS中获得更高的存储效率;
用于链接多个Hadoop作业;
问题描述
1、 使用随机数生成以(整数,字符串)为(key,Value)的文本文件,文件的大小内容任意,文件数量不少于100个;
2、使用SequenceFile对以上文件进行封装成一个独立文件,压缩格式任意;
3、对于2生成的独立文件,可以实现以下的三种方式的查询:
3.1)给出文件名,可以从序列文件整体读取文件并存储到指定的位置;
3.2)给出某个整数的key,可以读取所有该key的数据,并给出所在文件的名称(可以输出到控制台)
3.3)给出文件名和整数的key,可以读取该文件中的对应key的数据(可以输出到控制台)
1、使用随机数生成以(整数,字符串)为(key,Value)的文本文件
程序代码:
import java.io.BufferedOutputStream;
import java.io.File;
import java.io.FileOutputStream;
import java.io.PrintStream;
import java.util.ArrayList;
import java.util.List;
import java.util.Random;
public class RadnomTxtFileCreator {
// lab 5-1
public static void main(String[] args) {
long start=System.currentTimeMillis();
int numOfFiles = 100;
int numOfRecorders = 100000;
//本地文件位置,修改合適的位置
String uri = "src/hdfs/lab5/files";
FileOutputStream fout = null;
Random ra = new Random();
try {
for (int i = 1; i <= numOfFiles; i++) {
System.out.println("writing file#"+i);
fout = new FileOutputStream(new File(uri + "\\file" + i));
List<String> list = new ArrayList<String>();
for (int j = 0; j < numOfRecorders; j++)
list.add(ra.nextInt(numOfRecorders) + 1 + "\t" + "the recorder #" + j + " in file#" + i);
PrintStream pStream = new PrintStream(