Question

当我们在一些处理之后使用Spark时，我将结果存储到文件中，并使用简单的代码使用snappy编解码器：

 data.saveAsTextFile("/data/2014-11-29",classOf[org.apache.hadoop.io.compress.SnappyCodec])

之后我使用Spark来读取这个文件夹文件，所以Everything工作得很好！但是今天我尝试在我的电脑中使用java snappy（java-snappy 1.1.1.2）来解压缩结果文件夹中的文件（这个文件是从这个文件夹中下载到我的Pc的文件之一）

maven依赖：

<dependency>
    <groupId>org.xerial.snappy</groupId>
    <artifactId>snappy-java</artifactId>
    <version>1.1.1.2</version>
</dependency>

我使用此代码进行解压缩：

File fileIn = new File("E:\\dt\\part-00000.snappy");
File fileOut = new File("E:\\dt\\adv1417971604684.dat");
FileOutputStream fos = new FileOutputStream(fileOut, true);
byte[] fileBytes = Files.readAllBytes(Paths.get(fileIn.getPath()));
byte[] fileBytesOut = Snappy.uncompress(fileBytes);
fos.write(fileBytesOut);

但是:(我立刻得到了这个错误：

    java.io.IOException: FAILED_TO_UNCOMPRESS(5)
 at org.xerial.snappy.SnappyNative.throw_error(SnappyNative.java:84)
 at org.xerial.snappy.SnappyNative.rawUncompress(Native Method)
 at org.xerial.snappy.Snappy.rawUncompress(Snappy.java:444)
 at org.xerial.snappy.Snappy.uncompress(Snappy.java:480)
 at org.xerial.snappy.Snappy.uncompress(Snappy.java:456)
 at

我们使用的火花集群中的

：

spark 1.1.0＆amp;＆amp; hadoop 2.5.1（原生hadoop snappy）

当我运行 hadoop checknative -a ：

时，结果如下

    14/12/09 16:16:57 INFO bzip2.Bzip2Factory: Successfully loaded & initialized native-bzip2    library system-native
14/12/09 16:16:57 INFO zlib.ZlibFactory: Successfully loaded & initialized native-zlib library
Native library checking:
hadoop: true /usr/local/hadoop/hadoop2.5.1/lib/native/libhadoop.so
zlib:   true /lib64/libz.so.1
snappy: true /usr/local/hadoop/hadoop2.5.1/lib/native/libsnappy.so.1
lz4:    true revision:99
bzip2:  true /lib64/libbz2.so.1

我从链接下载并构建了snappy native：

https://code.google.com/p/snappy/ 和来源： https://drive.google.com/file/d/0B0xs9kK-b5nMOWIxWGJhMXd6aGs/edit?usp=sharing

有人请为这个奇怪的错误解释!!当hadoop使用本机snappy来压缩来自java-snappy的数据时会有一些差异??????

Answer 1

我是snappy-java的开发者。 Hadoop的SnappyCodec与Snappy的格式规范不完全相同：https://code.google.com/p/snappy/source/browse/trunk/format_description.txt

Hadoop中的SnappyCodec扩展了这种格式以压缩大数据流。数据被分成块（通过BlockCompressionStream），每个块都有一些头和压缩数据。要使用Snappy.uncompress方法读取压缩数据，您需要提取每个块并删除其标头。

Hadoop发出的本机snappy压缩数据无法通过java-snappy版本提取

1 个答案: