hadoop - 在 hadoop 中查找文件的第一个 block

Question

我正在将一个 500 Mb 或更大的视频文件存储在 hdfs 中。由于它大于 block 大小，它将被分发。我必须先收集或处理第一个数据 block (这里是视频文件)，因为它只包含序列头。我该怎么做，或者如何在 hadoop 中找到文件的第一个数据 block ？

Answer 1

如果你想读取第一个 block ，你可以从 FileSystem 中获取一个 InputStream 并读取字节直到它达到你预定的数量(例如 block 大小 64mb将是 64 * 1024 * 1024 字节)。这是一个例子(虽然 64mb 是很多数据。如果你认为你需要的数据远在 64mb 之前，只需更改 bytesLeft)

import java.io.EOFException;
import java.io.InputStream;
import java.io.OutputStream;
import java.net.URI;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.zookeeper.common.IOUtils;

public class TestReaderFirstBlock {

    private static final String uri = "hdfs://localhost:9000/path/to/file";
    private static int bytesLeft = 64 * 1024 * 1024;
    private static final byte[] buffer = new byte[4096];

    public static void main(String[] args) throws Exception {

        Configuration conf = new Configuration();
        FileSystem fs = FileSystem.get(URI.create(uri), conf);

        InputStream is = fs.open(new Path(uri));
        OutputStream out = System.out;

        while (bytesLeft > 0) {
            int read = is.read(buffer, 0, Math.min(bytesLeft, buffer.length));
            if (read == -1) {
                throw new EOFException("Unexpected end of data");
            }
            out.write(buffer, 0, read);
            bytesLeft -= read;
        }

        IOUtils.closeStream(is);
    }
}