云顶娱乐平台 2

云顶娱乐平台:HDFS之SequenceFile和MapFile

   public static void write(String file, String valueOfMap1, String valueOfMap2) {

        try {
            BufferedWriter input = new BufferedWriter(new OutputStreamWriter(
                    new FileOutputStream(file, true)));
            input.write("Map1Output: " + valueOfMap1 + "rn");
            input.write("Map2Output: " + valueOfmap2 + "rn");
            input.newLine();
            input.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

Hadoop的HDFS和MapReduce子框架主要是针对大数据文件来设计的,在小文件的处理上不但效率低下,而且十分消耗内存资源(每一个小文件占用一个Block,每一个block的元数据都存储在namenode的内存里)。解决办法通常是选择一个容器,将这些小文件组织起来统一存储。HDFS提供了两种类型的容器,分别是SequenceFile和MapFile。

Map的三种遍历方式:

所用到的第三方库:xlrd(读取Excel文件)、xlwt(写入Excel文件)、xlutils(操作Excel文件的使用工具,如复制、分割。筛选等)

 

一、SequenceFile

SequenceFile的存储类似于Log文件,所不同的是Log
File的每条记录的是纯文本数据,而SequenceFile的每条记录是可序列化的字符数组。

SequenceFile可通过如下API来完成新记录的添加操作:

       
fileWriter.append(key,value)

可以看到,每条记录以键值对的方式进行组织,但前提是Key和Value需具备序列化和反序列化的功能

Hadoop预定义了一些Key Class和Value
Class,他们直接或间接实现了Writable接口,满足了该功能,包括:

Text                                等同于Java中的String
IntWritable                   等同于Java中的Int
BooleanWritable        等同于Java中的Boolean
        .
        .

在存储结构上,SequenceFile主要由一个Header后跟多条Record组成,如图所示:

云顶娱乐平台 1

Header主要包含了Key classname,Value
classname,存储压缩算法,用户自定义元数据等信息,此外,还包含了一些同步标识,用于快速定位到记录的边界。

每条Record以键值对的方式进行存储,用来表示它的字符数组可依次解析成: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。

数据压缩有利于节省磁盘空间和加快网络传输,SeqeunceFile支持两种格式的数据压缩,分别是:record
compression和block compression。

record compression如上图所示,是对每条记录的value进行压缩

block
compression是将一连串的record组织到一起,统一压缩成一个block,如图所示:

云顶娱乐平台 2

block信息主要存储了:块所包含的记录数、每条记录Key长度的集合、每条记录Key值的集合、每条记录Value长度的集合和每条记录Value值的集合

注:每个block的大小是可通过io.seqfile.compress.blocksize属性来指定的

示例:SequenceFile读/写 操作

[java] view
plaincopy

  1. Configuration conf=new Configuration();  
  2. FileSystem fs=FileSystem.get(conf);  
  3. Path seqFile=new Path(“seqFile.seq”);  
  4. //Reader内部类用于文件的读取操作  
  5. SequenceFile.Reader reader=new SequenceFile.Reader(fs,seqFile,conf);  
  6. //Writer内部类用于文件的写操作,假设Key和Value都为Text类型  
  7. SequenceFile.Writer writer=new SequenceFile.Writer(fs,conf,seqFile,Text.class,Text.class);  
  8. //通过writer向文档中写入记录  
  9. writer.append(new Text(“key”),new Text(“value”));  
  10. IOUtils.closeStream(writer);//关闭write流  
  11. //通过reader从文档中读取记录  
  12. Text key=new Text();  
  13. Text value=new Text();  
  14. while(reader.next(key,value)){  
  15.     System.out.println(key);  
  16.     System.out.println(value);  
  17. }  
  18. IOUtils.closeStream(reader);//关闭read流  
public static void main(String[] args) {
    Map<String, Integer> map = new HashMap<>();
    map.put("孙悟空", 1);
    map.put("唐三藏", 2);
    map.put("猪八戒", 3);
    map.put("沙悟净", 4);

    Set<String> keySet = map.keySet();
    for (String key : keySet) {
        Integer value = map.get(key);
        System.out.println("键:"+ key + "值:"+ value);
    }

    Set<Entry<String, Integer>> set = map.entrySet();
    for (Entry<String, Integer> entry : set) {
        String key = entry.getKey();
        Integer value = entry.getValue();
        System.out.println("键:"+ key + "值"+value);
    }
    Iterator<Entry<String, Integer>> entrySet = map.entrySet().iterator();
    while (entrySet.hasNext()) {
        Entry<String, Integer> entry = entrySet.next();
        String key = entry.getKey();
        Integer value = entry.getValue();
        System.out.println("键:" + key + " " + "值:" + value);
    }
}

3、打开已存在Excel文件,写入信息

import  xlrd

from xlutils import copy

data = xlrd.open_workbook(‘G:/221.xls’,formatting_info=True)
 #保证修改后的文件格式不变

w= copy(data)

news =w.get_sheet(0)

news.write(3,3,’str’)

try:

   w.save(‘G:/221.xls’)

except(SyntaxError,PermissionError):

   print(“文件未关闭!”)

三种方法的思维都是遍历一个map的Key,然后2个Map分别取这2个Key值所得到的Value。

// map遍历操作的第二种方式:map.entrySet();+foreach 方法进行遍历
Set<Entry<String, Integer>> set = map.entrySet();
for (Entry<String, Integer> entry : set) {
String key = entry.getKey();
Integer value = entry.getValue();
System.out.println(“键:”+ key + “值”+value);
}

1、读取Excel

import  xlrd

data = xlrd.open_workbook(‘G:/221.xls’)

table = data.sheets()[0]

print(table.row_云顶娱乐平台,values(1))               #获取整行的值(横)

print(table.col_values(0))                #获取整列的值(竖)

nrows = table.nrows                        #获取表格行数(横)

ncols = table.ncols                          #获取表格列数(竖)

cell_a = table.cell(0,1).value#(竖、横)

#遍历Excel

for row in range(nrows):

   for col in range(ncols):

        print(“(%s,%s): %s”%(row,col,table.cell(row,col).value))

在main方法调用并传递参就可以了,

二、MapFile

MapFile是排序后的SequenceFile,通过观察其目录结构可以看到MapFile由两部分组成,分别是data和index。

index作为文件的数据索引,主要记录了每个Record的key值,以及该Record在文件中的偏移位置。在MapFile被访问的时候,索引文件会被加载到内存,通过索引映射关系可迅速定位到指定Record所在文件位置,因此,相对SequenceFile而言,MapFile的检索效率是高效的,缺点是会消耗一部分内存来存储index数据。

需注意的是,MapFile并不会把所有Record都记录到index中去,默认情况下每隔128条记录存储一个索引映射。当然,记录间隔可人为修改,通过MapFIle.Writer的setIndexInterval()方法,或修改io.map.index.interval属性;

另外,与SequenceFile不同的是,MapFile的KeyClass一定要实现WritableComparable接口,即Key值是可比较的。

示例:MapFile读写操作

[java] view
plaincopy

  1. Configuration conf=new Configuration();  
  2. FileSystem fs=FileSystem.get(conf);  
  3. Path mapFile=new Path(“mapFile.map”);  
  4. //Reader内部类用于文件的读取操作  
  5. MapFile.Reader reader=new MapFile.Reader(fs,mapFile.toString(),conf);  
  6. //Writer内部类用于文件的写操作,假设Key和Value都为Text类型  
  7. MapFile.Writer writer=new MapFile.Writer(conf,fs,mapFile.toString(),Text.class,Text.class);  
  8. //通过writer向文档中写入记录  
  9. writer.append(new Text(“key”),new Text(“value”));  
  10. IOUtils.closeStream(writer);//关闭write流  
  11. //通过reader从文档中读取记录  
  12. Text key=new Text();  
  13. Text value=new Text();  
  14. while(reader.next(key,value)){  
  15.     System.out.println(key);  
  16.     System.out.println(key);  
  17. }  
  18. IOUtils.closeStream(reader);//关闭read流  

注意:使用MapFile或SequenceFile虽然可以解决HDFS中小文件的存储问题,但也有一定局限性,如:
1.文件不支持复写操作,不能向已存在的SequenceFile(MapFile)追加存储记录
2.当write流不关闭的时候,没有办法构造read流。也就是在执行文件写操作的时候,该文件是不可读取的

// map遍历操作的第一种方法:keyset + foreach
// 采用keyset方法通过key值获取value值—》效率低
Set<String> keySet = map.keySet();
for (String key : keySet) {
Integer value = map.get(key);
System.out.println(“键:”+ key + “值:”+ value);
}

2、写入新Excel文件

import   xlwt

wb = xlwt.Workbook()                 # 创建 xls 文件对象

sh = wb.add_sheet(‘A Test Sheet’)       # 新增一个表单

# 按位置添加数据

sh.write(0,0,1234.56)

sh.write(1,0,8888)

sh.write(2,0,’hello’)

sh.write(2,1,’world’)

wb.save(‘example.xls’)  # 保存文件

private void compareMap(Map<String, String> Map01, Map<String, String Map02>){

        for (Map.Entry<String, String> entry : Map1.entrySet())
        {

           String testKey = entry.getKey();

           if(Map1.get(testId).equals(Map2.get(testId))){

                System.out.println("equals");

            }else{

                System.out.println("not equals");

            }
        }
}

// 第一种方式遍历list集合:for循环
Integer size = list.size();
for (int i = 0; i < size; i++) {
String value1 = list.get(i);
System.out.println(value1);
}
// 第二种方式遍历list集合:iterator 迭代器
Iterator<String> iterator = list.iterator();
while (iterator.hasNext()) {
String value2 = iterator.next();
System.out.println(value2);
}
// 第三种方式遍历list集合:foreach
for (String string : list) {
System.out.println(string);
}

 

// map遍历操作的第三种方式:map.entrySet() +迭代器
Iterator<Entry<String, Integer>> entrySet =
map.entrySet().iterator();
while (entrySet.hasNext()) {
Entry<String, Integer> entry = entrySet.next();
String key = entry.getKey();
Integer value = entry.getValue();
System.out.println(“键:” + key + ” ” + “值:” + value);
}
}
所有的方法都是卸载main方法之中的。

PS:如果需要将结果(相同的value、不同的value)写入文件,则可以写一个write方法,在每次打印写入文件,加文件地址参数即可

List的三种遍历方式:
public class TestList {

private void compareMap(Map<String, String> Map01, Map<String, String Map02>){  

     Iterator<String> iter = Map1.keySet().iterator();

while (iter.hasNext()) {

            String testKey = iter.next();

       if(Map1.get(testId).equals(Map2.get(testId))){

                System.out.println("equals");

              }else{

                System.out.println("not equals");

            }
public static void main(String[] args) {
    List<String> list = new ArrayList<>();
    list.add("孙悟空");
    list.add("唐三藏");
    list.add("猪八戒");
    list.add("沙悟净");
    String listString = list.toString();
    System.out.println(listString);

    Integer size = list.size();
    for (int i = 0; i < size; i++) {
        String value1 = list.get(i);
        System.out.println(value1);
    }
    System.out.println("==========================");

    Iterator<String> iterator = list.iterator();
    while (iterator.hasNext()) {
        String value2 = iterator.next();
        System.out.println(value2);
    }
    System.out.println("==========================");


    for (String string : list) {
        System.out.println(string);
    }
}}

结果写入文件方法write

#第一种用entry

#第二种用keyset的方法,把key值存到容器,分别取出对比

##第二种用keyset的方法,遍历Key值

 

public class CompareMap {

    public static void main(String[] args) {

    }

    private void compare(Map<String, String> map1, Map<String, String> map2) {

        for (String testkey : map1.keySet()) {

            if(map1.get(testkey).equals(map2.get(testkey))){

                System.out.println("equals");

            }else{

                System.out.println("not equals");

            }
        }

    }