哪位专业人士能解释一下hadoop,har归档

发布网友 发布时间：2022-04-29 23:06

我来回答

共1个回答

热心网友 时间：2022-06-25 09:58

应用场景

我们的hdfs中保存大量小文件（当然不产生小文件是最佳实践），这样会把namenode的namespace搞的很大。namespace保存着hdfs文件的inode信息，文件越多需要的namenode内存越大，但内存毕竟是有限的（这个是目前hadoop的硬伤）。

下面图片展示了，har文档的结构。har文件是通过maprece生成的，job结束后源文件不会删除。

har命令说明

参数“-p”为src path的前缀

src可以写多个path

archive -archiveName NAME -p <parent path> <src>* <dest>

生成HAR文件

单个src文件夹：

hadoop archive -archiveName 419.har -p /fc/src/20120116/ 419 /user/heipark

多个src文件夹

hadoop archive -archiveName combine.har -p /fc/src/20120116/ 419 512 334 /user/heipark

不指定src path，直接归档parent path（本例为“/fc/src/20120116/ ”， “/user/heipark ”仍然为输出path），这招是从源码里翻出来的，嘿嘿。

hadoop archive -archiveName combine.har -p /fc/src/20120116/ /user/heipark

使用模式匹配的src path，下面的示例归档10、11、12月文件夹的数据。这招也是从源码发出来的。

hadoop archive -archiveName combine.har -p /fc/src/2011 1[0-2] /user/heipark

查看HAR文件

[html] view plain copy

hadoop fs -ls har:////user/heipark/20120108_15.har/  

#输出如下：  

drw-r--r-- - hdfs hadoop 0 2012-01-17 16:30 /user/heipark/20120108_15.har/2025  

drw-r--r-- - hdfs hadoop 0 2012-01-17 16:30 /user/heipark/20120108_15.har/2029  

#使用hdfs文件系统查看har文件  

hadoop fs -ls /user/yue.zhang/20120108_15.har/  

#输出如下：  

-rw-r--r-- 2 hdfs hadoop 0 2012-01-17 16:30 /user/heipark/20120108_15.har/_SUCCESS  

-rw-r--r-- 5 hdfs hadoop 2411 2012-01-17 16:30 /user/heipark/20120108_15.har/_index  

-rw-r--r-- 5 hdfs hadoop 24 2012-01-17 16:30 /user/heipark/20120108_15.har/_masterindex  

-rw-r--r-- 2 hdfs hadoop 191963 2012-01-17 16:30 /user/heipark/20120108_15.har/part-0  

Har Java API (HarFileSystem )

Java代码  

[html] view plain copy

public static void main(String[] args) throws Exception {    

Configuration conf = new Configuration();    

conf.set("fs.default.name", "hdfs://xxx.xxx.xxx.xxx:9000");    

HarFileSystem fs = new HarFileSystem();    

fs.initialize(new URI("har:///user/heipark/20120108_15.har"), conf);    

FileStatus[] listStatus = fs.listStatus(new Path("sub_dir"));    

for (FileStatus fileStatus : listStatus) {    

System.out.println(fileStatus.getPath().toString());    

}    

}