HDFS之SequenceFile和MapFile

遍历Key值,第二种用keyset的方法,HDFS提供了两种类型的容器,将这些小文件组织起来统一存储,Integer size = list.size(),// 第一种方式遍历list集合,筛选等)

金沙澳门官网7817网址 2

二种办法的思量都以遍历贰个map的Key,然后3个Map分别取那些Key值所拿到的Value。

List的二种遍历方式:
public class TestList {

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

#先是种用entry

Hadoop的HDFS和MapReduce子框架首如若针对大数据文件来统一筹划的,在小文件的拍卖上不仅功能低下,而且12分消耗内部存款和储蓄器财富(每三个小文件占用2个Block,每一个block的元数据都存款和储蓄在namenode的内部存款和储蓄器里)。消除办法常常是选项二个容器,将这个小文件协会起来统一存款和储蓄。HDFS提供了两类别型的器皿,分别是SequenceFile和MapFile。

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);
    }
}}

1、读取Excel

金沙澳门官网7817网址,import  xlrd

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

table = data.sheets()[0]

print(table.row_values(1))               #赢得整行的值(横)

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

nrows = table.nrows                        #获得表格行数(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))

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");

            }
        }
}

一、SequenceFile

SequenceFile的贮存类似于Log文件,所差别的是Log
File的每条记下的是纯文本数据,而SequenceFile的每条记下是可种类化的字符数组。

SequenceFile可经过如下API来成功新记录的拉长操作:

       
fileWriter.append(key,value)

可以看来,每条记下以键值对的秘籍进行集体,但前提是Key和Value需具有类别化和反系列化的效应

Hadoop预订义了有的Key Class和Value
Class,他们直接或直接落成了Writable接口,满意了该意义,包涵:

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

在储存结构上,SequenceFile主要由一个Header后跟多条Record组成,如图所示:

金沙澳门官网7817网址 1

Header主要含有了Key classname,Value
classname,存款和储蓄压缩算法,用户自定义元数据等音信,别的,还包涵了1些联机标记,用于快速牢固到记录的边界。

每条Record以键值对的措施进行仓库储存,用来表示它的字符数组可依次解析成:记录的长短、Key的长度、Key值和Value值,并且Value值的结构取决于该记录是还是不是被缩减。

数据压缩有利于节省磁盘空间和增长速度网络传输,SeqeunceFile协理二种格式的数据压缩,分别是:record
compression和block compression。

record compression如上海体育地方所示,是对每条记下的value实行削减

block
compression是将一体系的record组织到共同,统1压缩成二个block,如图所示:

金沙澳门官网7817网址 2

block新闻根本囤积了:块所包括的记录数、每条记下Key长度的聚众、每条记下Key值的成团、每条记下Value长度的集纳和每条记下Value值的集纳

注:各样block的大小是可透过io.seqfile.compress.blocksize属性来钦命的

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内部类用于文书的读取操作  
  5. SequenceFile.Reader reader=new SequenceFile.Reader(fs,seqFile,conf);  
  6. //Writer内部类用于文书的写操作,借使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向文书档案中写入记录  
  9. writer.append(new Text(“key”),new Text(“value”));  
  10. IOUtils.closeStream(writer);//关闭write流  
  11. //通过reader从文书档案中读取记录  
  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  

// 第1种形式遍历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);
}
// 第二种办法遍历list集合:iterator 迭代器
Iterator<String> iterator = list.iterator();
while (iterator.hasNext()) {
String value2 = iterator.next();
System.out.println(value2);
}
// 第二种方式遍历list集合:foreach
for (String string : list) {
System.out.println(string);
}

2、写入新Excel文件

import   xlwt

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

sh = wb.add_sheet(‘A Test Sheet’)       # 新扩大2个表单

# 按职责增加数据

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

#其次种用keyset的艺术,把key值存到容器,分别收取比较

二、MapFile

MapFile是排序后的SequenceFile,通过观看其目录结构能够看到MapFile由两片段组成,分别是data和index。

index作为文件的数额索引,重要记录了各类Record的key值,以及该Record在文书中的偏移地点。在MapFile被访问的时候,索引文件会被加载到内部存款和储蓄器,通过索引映射关系可火速定位到内定Record所在文件地点,因此,相对SequenceFile来说,MapFile的追寻功效是高速的,缺点是会损耗一部分内部存款和储蓄器来存款和储蓄index数据。

需注意的是,MapFile并不会把富有Record都记录到index中去,私下认可景况下每隔128条记下存款和储蓄三个索引映射。当然,记录间隔可人为修改,通过MapFIle.Writer的setIndexInterval()方法,或改动io.map.index.interval属性;

其余,与SequenceFile分化的是,MapFile的KeyClass一定要促成WritableComparable接口,即Key值是可正如的。

以身作则: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. //里德r内部类用于文书的读取操作  
  5. MapFile.Reader reader=new MapFile.Reader(fs,mapFile.toString(),conf);  
  6. //Writer内部类用于文书的写操作,假诺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向文书档案中写入记录  
  9. writer.append(new Text(“key”),new Text(“value”));  
  10. IOUtils.closeStream(writer);//关闭write流  
  11. //通过reader从文书档案中读取记录  
  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即使能够消除HDFS中型小型文件的仓储难题,但也有一定局限性,如:
一.文件不扶助复写操作,不可能向已存在的SequenceFile(MapFile)追加存储记录
2.当write流不闭馆的时候,未有办法构造read流。相当于在举办文书写操作的时候,该公文是不行读取的

Map的两种遍历格局:

三、展开已存在Excel文件,写入音信

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改变

w= copy(data)

news =w.get_sheet(0)

news.write(3,3,’str’)

try:

   w.save(‘G:/221.xls’)

except(SyntaxError,PermissionError):

   print(“文件未关门!”)