处理hadoop发送的文件到后台并解析存储到数据库策略
处理hadoop发送的文件到后台并解析存储到数据库策略
主要实现 :首先 hadoop mapreduce 处理好的 文件,一个个 放到指定的文件 目录下 ,然后 通过 在Linux 下 通过定时任务 打包 发到 web 服务器的 指定 目录下 ,然后web 服务器 会 通过定时任务 去解析 它 ,然后,存储导数据库。
1.上篇 介绍了 文件 的 解压 ,通过解压后 文件 会形成 多个 文件 。
如图 ,解压 后 ,我们 会 发现 有 很多 文件 ,然后 我们该 去 对每个文件 读取 内容 并 存到数据库中。
2. map 为所有文件 解析类
dataMap 所 有 数据 类 所有文件的 数据都存储到datamap 中了
for (File subfile : subFiles){ AbstractFileParser ifp = map.get(subfile.getName()); if (ifp != null) { try { ifp = ifp.getClass().newInstance(); ifp.init(subfile, (StatMap) dataMap.get(subfile.getName())); jobList.add(ifp); ifp.start(); } catch (Exception e) { e.printStackTrace(); } } } for (Thread ifp : jobList) { try { ifp.join(); } catch (InterruptedException e) { e.printStackTrace(); } }
AbstractFileParser 类
BufferedReader bufferedReader = null; try { bufferedReader = new BufferedReader(new FileReader(this.file)); String s = null; while ((s = bufferedReader.readLine()) != null) { if (isDebug || logger.isDebugEnabled()) logger.debug(s); String[] ss = s.split(","); StatBase o = parseLine(ss); if (o != null) { StatBase b = null; synchronized (map) { b = map.get(o.getPrivateKey()); if (b == null) { map.put(o.getPrivateKey(), o); } else { update(o, b); } } } } } catch (Exception e) { logger.error("", e); } finally { if (bufferedReader != null) try { bufferedReader.close(); } catch (IOException e) { } }
保存到 datamap 中的 数据 要进行 数据库保存
捐助开发者
在兴趣的驱动下,写一个免费
的东西,有欣喜,也还有汗水,希望你喜欢我的作品,同时也能支持一下。 当然,有钱捧个钱场(右上角的爱心标志,支持支付宝和PayPal捐助),没钱捧个人场,谢谢各位。
谢谢您的赞助,我会做的更好!