你好，游客 登录
背景：
阅读新闻

hadoop深入研究:codec

[日期：2013-06-27] 来源：  作者： [字体：大 中 小]
codec其实就是coder和decoder两个单词的词头组成的缩略词。CompressionCodec定义了压缩和解压接口，我们这里讲的codec就是实现了CompressionCodec接口的一些压缩格式的类，下面是这些类的列表：

 

使用CompressionCodes解压缩

CompressionCodec有两个方法可以方便的压缩和解压。
压缩：通过createOutputStream(OutputStream out)方法获得CompressionOutputStream对象
解压：通过createInputStream(InputStream in)方法获得CompressionInputStream对象
压缩的示例代码
[java] view plaincopy
 
  1. package com.sweetop.styhadoop; 
  2.  
  3. import org.apache.hadoop.conf.Configuration; 
  4. import org.apache.hadoop.io.IOUtils; 
  5. import org.apache.hadoop.io.compress.CompressionCodec; 
  6. import org.apache.hadoop.io.compress.CompressionOutputStream; 
  7. import org.apache.hadoop.util.ReflectionUtils; 
  8.  
  9. /** 
  10.  * Created with IntelliJ IDEA. 
  11.  * User: lastsweetop 
  12.  * Date: 13-6-25 
  13.  * Time: 下午10:09 
  14.  * To change this template use File | Settings | File Templates. 
  15.  */ 
  16. public class StreamCompressor { 
  17.     public static void main(String[] args) throws Exception { 
  18.         String codecClassName = args[0]; 
  19.         Class<?> codecClass = Class.forName(codecClassName); 
  20.         Configuration conf = new Configuration(); 
  21.         CompressionCodec codec = (CompressionCodec) ReflectionUtils.newInstance(codecClass, conf); 
  22.  
  23.         CompressionOutputStream out = codec.createOutputStream(System.out); 
  24.         IOUtils.copyBytes(System.in, out, 4096, false); 
  25.         out.finish(); 
  26.     } 
  27. } 
从命令行接受一个CompressionCodec实现类的参数，然后通过ReflectionUtils把实例化这个类，调用CompressionCodec的接口方法对标准输出流进行封装，封装成一个压缩流，通过IOUtils类的copyBytes方法把标准输入流拷贝到压缩流中，最后调用CompressionCodec的finish方法，完成压缩。
再来看下命令行：
[plain] view plaincopy
 
  1. echo "Hello lastsweetop" | ~/hadoop/bin/hadoop com.sweetop.styhadoop.StreamCompressor  org.apache.hadoop.io.compress.GzipCodec | gunzip - 
使用GzipCodec类来压缩“Hello lastsweetop”,然后再通过gunzip工具解压。
我们来看一下输出：
[plain] view plaincopy
 
  1. [exec] 13/06/26 20:01:53 INFO util.NativeCodeLoader: Loaded the native-hadoop library 
  2.     [exec] 13/06/26 20:01:53 INFO zlib.ZlibFactory: Successfully loaded & initialized native-zlib library 
  3.     [exec] Hello lastsweetop 

使用CompressionCodecFactory解压缩

如果你想读取一个被压缩的文件的话，首先你得先通过扩展名判断该用哪种codec，可以看下 hadoop深入研究:(七)——压缩 中得对应关系。
当然有更简便得办法，CompressionCodecFactory已经帮你把这件事做了，通过传入一个Path调用它得getCodec方法,即可获得相应得codec。我们来看下代码
[java] view plaincopy
 
  1. package com.sweetop.styhadoop; 
  2.  
  3. import org.apache.hadoop.conf.Configuration; 
  4. import org.apache.hadoop.fs.FileSystem; 
  5. import org.apache.hadoop.fs.Path; 
  6. import org.apache.hadoop.io.IOUtils; 
  7. import org.apache.hadoop.io.compress.CompressionCodec; 
  8. import org.apache.hadoop.io.compress.CompressionCodecFactory; 
  9.  
  10. import java.io.IOException; 
  11. import java.io.InputStream; 
  12. import java.io.OutputStream; 
  13. import java.net.URI; 
  14.  
  15. /** 
  16.  * Created with IntelliJ IDEA. 
  17.  * User: lastsweetop 
  18.  * Date: 13-6-26 
  19.  * Time: 下午10:03 
  20.  * To change this template use File | Settings | File Templates. 
  21.  */ 
  22. public class FileDecompressor { 
  23.     public static void main(String[] args) throws Exception { 
  24.         String uri = args[0]; 
  25.         Configuration conf = new Configuration(); 
  26.         FileSystem fs = FileSystem.get(URI.create(uri), conf); 
  27.  
  28.         Path inputPath = new Path(uri); 
  29.         CompressionCodecFactory factory = new CompressionCodecFactory(conf); 
  30.         CompressionCodec codec = factory.getCodec(inputPath); 
  31.         if (codec == null) { 
  32.             System.out.println("No codec found for " + uri); 
  33.             System.exit(1); 
  34.         } 
  35.         String outputUri = CompressionCodecFactory.removeSuffix(uri, codec.getDefaultExtension()); 
  36.  
  37.         InputStream in = null; 
  38.         OutputStream out = null; 
  39.  
  40.         try { 
  41.             in = codec.createInputStream(fs.open(inputPath)); 
  42.             out = fs.create(new Path(outputUri)); 
  43.             IOUtils.copyBytes(in,out,conf); 
  44.         } finally { 
  45.             IOUtils.closeStream(in); 
  46.             IOUtils.closeStream(out); 
  47.         } 
  48.     } 
  49. } 

注意看下removeSuffix方法，这是一个静态方法，它可以将文件的后缀去掉，然后我们将这个路径做为解压的输出路径。CompressionCodecFactory能找到的codec也是有限的，默认只有三种org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.BZip2Codec,org.apache.hadoop.io.compress.DefaultCodec,如果想添加其他的codec你需要更改io.compression.codecs属性，并注册codec。
 

原生库

现在越来越多原生库的概念，hdfs的codec也不例外，原生库可以极大的提升性能比如gzip的原生库解压提高50%，压缩提高10%，但不是所有codec都有原生库的，而一些codec只有原生库。我们来看下列表：
linux下，hadoop以前提前编译好了32位的原生库和64位的原生库，我们看下：
[plain] view plaincopy
 
  1. [hadoop@namenode native]$pwd 
  2. /home/hadoop/hadoop/lib/native 
  3. [hadoop@namenode native]$ls -ls 
  4. total 8 
  5. 4 drwxrwxrwx 2 root root 4096 Nov 14  2012 Linux-amd64-64 
  6. 4 drwxrwxrwx 2 root root 4096 Nov 14  2012 Linux-i386-32 
如果是其他平台的话，你就需要自己编译了，详细步骤请看这里http://wiki.apache.org/hadoop/NativeHadoop
java原生库的路径可以通过java.library.path指定，在bin目录下，hadoop的启动脚本已经指定，如果你不用这个脚本，那么你就需要在你的程序中指定了，hadoop脚本中指定原生库路径的片段：
[plain] view plaincopy
 
  1. if [ -d "${HADOOP_HOME}/build/native" -o -d "${HADOOP_HOME}/lib/native" -o -e "${HADOOP_PREFIX}/lib/libhadoop.a" ]; then 
  2.  
  3.   if [ -d "$HADOOP_HOME/build/native" ]; then 
  4.     JAVA_LIBRARY_PATH=${HADOOP_HOME}/build/native/${JAVA_PLATFORM}/lib 
  5.   fi 
  6.  
  7.   if [ -d "${HADOOP_HOME}/lib/native" ]; then 
  8.     if [ "x$JAVA_LIBRARY_PATH" != "x" ]; then 
  9.       JAVA_LIBRARY_PATH=${JAVA_LIBRARY_PATH}:${HADOOP_HOME}/lib/native/${JAVA_PLATFORM} 
  10.     else 
  11.       JAVA_LIBRARY_PATH=${HADOOP_HOME}/lib/native/${JAVA_PLATFORM} 
  12.     fi 
  13.   fi 
  14.  
  15.   if [ -e "${HADOOP_PREFIX}/lib/libhadoop.a" ]; then 
  16.     JAVA_LIBRARY_PATH=${HADOOP_PREFIX}/lib 
  17.   fi 
  18. fi 
hadoop会去查找对应的原生库，并且自动加载，你不需要关心这些设置。但某些时候你不想使用原生库，比如调试一些bug的时候，那么可以通过hadoop.native.lib设置为false来实现。
如果你用原生库做大量的压缩和解压的话可以考虑用CodecPool,有点象连接迟，这样你就无需频繁的去创建codec对象。
[java] view plaincopy
 
  1. package com.sweetop.styhadoop; 
  2.  
  3. import org.apache.hadoop.conf.Configuration; 
  4. import org.apache.hadoop.io.IOUtils; 
  5. import org.apache.hadoop.io.compress.CodecPool; 
  6. import org.apache.hadoop.io.compress.CompressionCodec; 
  7. import org.apache.hadoop.io.compress.CompressionOutputStream; 
  8. import org.apache.hadoop.io.compress.Compressor; 
  9. import org.apache.hadoop.util.ReflectionUtils; 
  10.  
  11. /** 
  12.  * Created with IntelliJ IDEA. 
  13.  * User: lastsweetop 
  14.  * Date: 13-6-27 
  15.  * Time: 上午11:53 
  16.  * To change this template use File | Settings | File Templates. 
  17.  */ 
  18. public class PooledStreamCompressor { 
  19.     public static void main(String[] args) throws Exception { 
  20.         String codecClassName = args[0]; 
  21.         Class<?> codecClass = Class.forName(codecClassName); 
  22.         Configuration conf = new Configuration(); 
  23.         CompressionCodec codec = (CompressionCodec) ReflectionUtils.newInstance(codecClass, conf); 
  24.         Compressor compressor = null; 
  25.         try { 
  26.             compressor = CodecPool.getCompressor(codec); 
  27.             CompressionOutputStream out = codec.createOutputStream(System.out, compressor); 
  28.             IOUtils.copyBytes(System.in, out, 4096, false); 
  29.             out.finish(); 
  30.         } finally { 
  31.             CodecPool.returnCompressor(compressor); 
  32.         } 
  33.     } 
  34. } 
代码比较容易理解，通过CodecPool的getCompressor方法获得Compressor对象，该方法需要传入一个codec，然后Compressor对象在createOutputStream中使用，使用完毕后再通过returnCompressor放回去。
输出结果如下：
[plain] view plaincopy
 
  1. [exec] 13/06/27 12:00:06 INFO util.NativeCodeLoader: Loaded the native-hadoop library 
  2.     [exec] 13/06/27 12:00:06 INFO zlib.ZlibFactory: Successfully loaded & initialized native-zlib library 
  3.     [exec] 13/06/27 12:00:06 INFO compress.CodecPool: Got brand-new compressor 
  4.     [exec] Hello lastsweetop 




收藏 推荐 打印 | 录入： | 阅读： 次
Hadoop文件压缩
YARN或将成为Hadoop新发力点
相关新闻       Hadoop 
本文评论 　　查看全部评论 (0)
表情： 表情 姓名： 字数
点评：
　　　 　　　
评论声明
  • 尊重网上道德，遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款
推荐阅读