拆分大文件

时间:2013-09-20 16:46:02

标签: c++ read-write

我正在开发一个分布式系统,在这个系统中,服务器会将大量任务分发给处理它们并返回结果的客户。
服务器必须接受大小为20Gb的大文件。

服务器必须将此文件拆分为较小的部分,然后将路径发送给客户端,客户端又会scp该文件并对其进行处理。

我正在使用readwrite执行文件分割,执行速度非常慢。

代码

//fildes - Source File handle
//offset - The point from which the split to be made  
//buffersize - How much to split  

//This functions is called in a for loop   

void chunkFile(int fildes, char* filePath, int client_id, unsigned long long* offset, int buffersize) 
{
    unsigned char* buffer = (unsigned char*) malloc( buffersize * sizeof(unsigned char) );
    char* clientFileName = (char*)malloc( 1024 );
    /* prepare client file name */
    sprintf( clientFileName, "%s%d.txt",filePath, client_id);

    ssize_t readcount = 0;
    if( (readcount = pread64( fildes, buffer, buffersize, *offset ) ) < 0 ) 
    {
            /* error reading file */
            printf("error reading file \n");
    } 
    else 
    {
            *offset = *offset + readcount;
            //printf("Read %ud bytes\n And offset becomes %llu\n", readcount, *offset);
            int clnfildes = open( clientFileName, O_CREAT | O_TRUNC | O_WRONLY , 0777);

            if( clnfildes < 0 ) 
            {
                    /* error opening client file */
            } 
            else 
            {
                    if( write( clnfildes, buffer, readcount ) != readcount ) 
                    {
                            /* eror writing client file */
                    } 
                    else 
                    {
                            close( clnfildes );
                    }
            }
    }

    free( buffer );
    return;
}  
  1. 有没有更快的方法来分割文件?
  2. 客户端是否可以在不使用scp的情况下访问文件中的块(没有传输时读取)?
  3. 我正在使用C ++。如果他们能够更快地执行,我准备使用其他语言。

3 个答案:

答案 0 :(得分:1)

使用--partial选项通过SSH进行rsync吗? 然后您可能不需要拆分文件,因为如果传输中断,您可以继续。

文件分割大小是预先知道的还是按文件中的某个标记分割?

答案 1 :(得分:1)

您可以将文件放在网络服务器的范围内,然后使用客户端中的curl

curl --range 10000-20000 http://the.server.ip/file.dat > result

将获得10000字节(从10000到20000)

如果文件高度冗余且网络速度慢,则可能使用压缩可能有助于加快传输速度。例如执行

nc -l -p 12345 | gunzip > chunk

在客户端上然后执行

dd skip=10000 count=10000 if=bigfile bs=1 | gzip | nc client.ip.address 12345

在服务器上,您可以动态传输执行gzip压缩的部分,而无需创建中间文件。

修改

通过网络压缩从服务器获取文件的一部分的单个命令是

ssh server 'dd skip=10000 count=10000 bs=1 if=bigfile | gzip' | gunzip > chunk

答案 2 :(得分:0)

您可以将文件存放到NFS共享设备上,客户端可以将该设备安装在RO模式下。此后,客户端可以打开文件,并使用mmap()或pread()来读取它的片(文件片段)。通过这种方式,对于客户端,将只传输文件所需的部分。