hadoop笔记四：hadoop io的压缩和编解码工具

1.压缩

压缩在大数据中的优点：减小储存文件所须要的磁盘空间，并加速数据在网络和磁盘上的传输。

压缩格式：

Gzip和bzip2比较时，bzip2的压缩率（压缩以后的大小除以源文件的大小）要小，因此说bzip2的压缩效果好。而这里就会压缩和解压缩的时候浪费更多的时间。

2.编解码工具

codec实现了一种压缩和解压缩算法（意思就是codec使用相关的算法对数据进行编码和解码）。在Hadoop中，一个对CompressionCodec接口的实现表明一个codec。

对于不一样的压缩算法有不一样的编解码工具。获取编解码工具的方式有两种，1是根据文件扩展名让程序本身去选择相应的编解码工具，2是直接指定编解码工具。

3.java编程操做文件压缩和解压缩

1.实现编解码的流程，是在对文件读写时在流中对文件进行编码和解码。

2. 编解码相关的类或方法

CompressionCodec接口中

CompressionCodecFactory类

3.代码实例

实例1：将本地文件上传压缩到HDFS集群中

package com.jf.hdfs;

import java.net.URI;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.LocalFileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
import org.apache.hadoop.io.compress.CompressionCodec;
import org.apache.hadoop.io.compress.CompressionCodecFactory;
import org.apache.hadoop.io.compress.CompressionOutputStream;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

public class WriteComPressionFile extends Configured implements Tool {

	public int run(String[] args) throws Exception {
		Configuration conf = getConf();
		String input = conf.get("input");
		String output = conf.get("output");
		// 本地文件系统
		LocalFileSystem lfs = FileSystem.getLocal(conf);
		// 集群文件系统
		FileSystem fs = FileSystem.get(URI.create(output), conf);
		// 读取本地文件的输入流
		FSDataInputStream is = lfs.open(new Path(input));
		// 向集群写文件的输出流
		FSDataOutputStream os = fs.create(new Path(output));

		CompressionCodecFactory ccf = new CompressionCodecFactory(conf);
		// 根据文件后缀名选择编解码工具
		CompressionCodec codec = ccf.getCodec(new Path(output));
		// 代编解码工具的输出流
		CompressionOutputStream cos = codec.createOutputStream(os);

		IOUtils.copyBytes(is, cos, 1024, true);
		// 输出选择的编解码工具名称
		System.out.println(codec.getClass().getName());
		return 0;
	}

	public static void main(String[] args) throws Exception {
		System.exit(ToolRunner.run(new WriteComPressionFile(), args));
	}

}

执行测试：上传server.log文件到集成环境中并命名为server.log.bz2

hadoop-2.7.1/bin/hadoop jar my_hadoop-0.0.1-SNAPSHOT.jar com.jf.hdfs.WriteComPressionFile -Doutput=/user/root/input/server.log.bz2 -Dinput=/home/softwares/server.log

执行结果：输出使用的编解码工具

查看集群内上传路径：

实例2：将实例1中上传的文件解压到本地环境

package com.jf.hdfs;

import java.net.URI;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.LocalFileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
import org.apache.hadoop.io.compress.CompressionCodec;
import org.apache.hadoop.io.compress.CompressionCodecFactory;
import org.apache.hadoop.io.compress.CompressionInputStream;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

public class ReadCompressionFile extends Configured implements Tool {

	public int run(String[] args) throws Exception {
		Configuration conf = getConf();
		String input = conf.get("input");
		String output = conf.get("output");

		// 本地文件系统
		LocalFileSystem lfs = FileSystem.getLocal(conf);
		// 集群文件系统
		FileSystem fs = FileSystem.get(URI.create(input), conf);
		// 本地文件输出流
		FSDataOutputStream os = lfs.create(new Path(output));
		// 集群文件输入流
		FSDataInputStream is = fs.open(new Path(input));

		//获取转码工具
		CompressionCodecFactory ccf = new CompressionCodecFactory(conf);
		CompressionCodec codec = ccf.getCodec(new Path(input));
		//代转码器的输入流
		CompressionInputStream cis = codec.createInputStream(is);

		IOUtils.copyBytes(cis, os, 1024, true);
		System.out.println(codec.getClass().getName());
		return 0;
	}

	public static void main(String[] args) throws Exception {
		System.exit(ToolRunner.run(new ReadCompressionFile(), args));
	}
}

执行测试：下载实例1上传的server.log.bz2文件到本地目录为server2.log

hadoop-2.7.1/bin/hadoop jar my_hadoop-0.0.1-SNAPSHOT.jar com.jf.hdfs.ReadCompressionFile -Doutput=/home/softwares/server2.log -Dinput=/user/root/input/server.log.bz2

查看本地文件夹下文件是否存在