HDFS保证从/向文件读/写数据

时间:2012-05-30 15:27:20

标签: java file-io hadoop hdfs

我们希望保证消费者进程在生产者完成写入HDFS文件后读取生产者创建的数据。以下是应用程序中使用的一种方法,我们正在努力改进。

制片:

private void produce(String file, int sleepSeconds) throws Exception {
        Configuration conf = new Configuration();
        conf.addResource(new Path(
                "C:\\dev\\software\\hadoop-0.22.0-src\\conf\\core-site.xml"));
        conf.set("fs.defaultFS", "hdfs://XXX:9000");
        FileSystem fileSystem = FileSystem.get(conf);

        Path path = new Path(file);
        if (fileSystem.exists(path)) {
            fileSystem.delete(path, false);
        }
        System.out.println("Creating file");
        FSDataOutputStream out = fileSystem.create(path);
        System.out.println("Writing data");
        out.writeUTF("--data--");
        System.out.println("Sleeping");
        Thread.sleep(sleepSeconds * 1000L);
        System.out.println("Writing data");
        out.writeUTF("--data--");
        System.out.println("Flushing");
        out.flush();
        out.close();
        fileSystem.close();
        System.out.println("Releasing lock on file");
    }

消费者:

private void consume(String file) throws Exception {
        Configuration conf = new Configuration();
        conf.addResource(new Path(
                "C:\\dev\\software\\hadoop-0.22.0-src\\conf\\core-site.xml"));
        conf.set("fs.defaultFS", "hdfs://XXX:9000");
        FileSystem fileSystem = FileSystem.get(conf);

        Path path = new Path(file);
        if (fileSystem.exists(path)) {
            System.out.println("File exists");
        } else {
            System.out.println("File doesn't exist");
            return;
        }
        FSDataOutputStream fsOut = null;
        while (fsOut == null) {
            try {
                fsOut = fileSystem.append(path);
            } catch (IOException e) {
                Thread.sleep(1000);
            }
        }
        FSDataInputStream in = fileSystem.open(path);
        OutputStream out = new BufferedOutputStream(System.out);
        byte[] b = new byte[1024];
        int numBytes = 0;
        while ((numBytes = in.read(b)) > 0) {
            out.write(b, 0, numBytes);
        }
        in.close();
        out.close();
        if (fsOut != null)
            fsOut.close();
        fileSystem.close();
        System.out.println("Releasing lock on file");
    }

应如何运行流程的要求如下:

  1. 启动生产者流程(非线程)。 thread.sleep模拟了一堆数据库调用和业务逻辑

  2. 消费者进程(非线程)在另一台机器中启动,直到生产者释放其锁定为止。在消费者阅读时,没有其他过程应该修改数据文件

  3. 有关如何使用HDFS java API同时改进此代码/设计以保证读者不会丢失数据的任何建议?

1 个答案:

答案 0 :(得分:1)

一种解决方案是使用临时后缀/前缀写入文件,并在写入完成后重命名该文件:

例如输出到文件file1.txt:

  • 写入名为.file1.txtfile1.txt.tmp
  • 的文件
  • 完成后关闭文件
  • 将.file1.txt或file1.txt.tmp重命名为file1.txt
  • 同时,消费者正在等待file1.txt可用