为什么SequenceFile被截断？

Question

我正在学习Hadoop，这个问题已经困扰了我一段时间。基本上，我是写一个SequenceFile到磁盘，然后读取它回来。然而，每次我在阅读时都会得到一个EOFException。更深入的研究表明，当写入序列文件时，它会被过早地截断，并且总是发生在写入索引962之后，并且文件的固定大小总是45056字节。

我在MacBook Pro上使用Java8和Hadoop2.5.1。事实上，我在Java 7下的另一台Linux机器上尝试了相同的代码，但同样的事情也发生了。

我可以排除作者/读者没有恰当地关闭。我尝试使用代码中所示的显式writer.close()来使用旧的样式try/catch，还使用了新的使用资源的尝试方法。两者都不起作用。

任何帮助都将不胜感激。

下面是我使用的代码：

public class SequenceFileDemo {

private static final String[] DATA = { "One, two, buckle my shoe",
    "Three, four, shut the door",
    "Five, six, pick up sticks",
    "Seven, eight, lay them straight",
    "Nine, ten, a big fat hen" };

public static void main(String[] args) throws Exception {
    String uri = "file:///Users/andy/Downloads/puzzling.seq";
    Configuration conf = new Configuration();
    FileSystem fs = FileSystem.get(URI.create(uri), conf);

    Path path = new Path(uri);      
    IntWritable key = new IntWritable();
    Text value = new Text();

    //API change
    try {
        SequenceFile.Writer writer = SequenceFile.createWriter(conf, 
            stream(fs.create(path)),
            keyClass(IntWritable.class),
            valueClass(Text.class));

        for ( int i = 0; i < 1024; i++ ) {
            key.set( i);
            value.clear();
            value.set(DATA[i % DATA.length]);

            writer.append(key, value);
            if ( (i-1) %100 == 0 ) writer.hflush();
            System.out.printf("[%s]\t%s\t%s\n", writer.getLength(), key, value);
        }

        writer.close();

    } catch (Exception e ) {
        e.printStackTrace();
    }


    try {
        SequenceFile.Reader reader = new SequenceFile.Reader(conf, 
                SequenceFile.Reader.file(path));
        Class<?> keyClass = reader.getKeyClass();
        Class<?> valueClass = reader.getValueClass();

        boolean isWritableSerilization = false;
        try {
            keyClass.asSubclass(WritableComparable.class);
            isWritableSerilization = true;
        } catch (ClassCastException e) {

        }

        if ( isWritableSerilization ) {
            WritableComparable<?> rKey = (WritableComparable<?>) ReflectionUtils.newInstance(keyClass, conf);
            Writable rValue = (Writable) ReflectionUtils.newInstance(valueClass, conf);
            while(reader.next(rKey, rValue)) {
                System.out.printf("[%s] %d %s=%s\n",reader.syncSeen(), reader.getPosition(), rKey, rValue);
            }
        } else {
            //make sure io.seraizliatons has the serialization in use when write the sequence file
        }

        reader.close();
    } catch(IOException e) {
        e.printStackTrace();
    }
}

}

Answer 1

我实际上发现了错误，这是因为您从未关闭在Writer.stream(fs.create(path))中创建的流。

由于某些原因，关闭没有传播到您刚才在那里创建的流。我想这是个bug，但我现在太懒了，无法在Jira查找它。

解决问题的一种方法是简单地使用Writer.file(path)。

显然，您也可以显式地关闭create流。下面是我更正的示例：

    Path path = new Path("file:///tmp/puzzling.seq");

    try (FSDataOutputStream stream = fs.create(path)) {
        try (SequenceFile.Writer writer = SequenceFile.createWriter(conf, Writer.stream(stream),
                Writer.keyClass(IntWritable.class), Writer.valueClass(NullWritable.class))) {

            for (int i = 0; i < 1024; i++) {
                writer.append(new IntWritable(i), NullWritable.get());
            }
        }
    }

    try (SequenceFile.Reader reader = new SequenceFile.Reader(conf, Reader.file(path))) {
        Class<?> keyClass = reader.getKeyClass();
        Class<?> valueClass = reader.getValueClass();

        WritableComparable<?> rKey = (WritableComparable<?>) ReflectionUtils.newInstance(keyClass, conf);
        Writable rValue = (Writable) ReflectionUtils.newInstance(valueClass, conf);
        while (reader.next(rKey, rValue)) {
            System.out.printf("%s = %s\n", rKey, rValue);
        }

    }

Answer 2

我认为您在写循环之后缺少了writer.close()。在你开始阅读之前，这应该是最后一次冲水了。

Answer 3

多亏托马斯。

归根结底，作者是否创造了“拥有”的“不”流。在创建写入器时，如果传入选项Writer.file(path)，，则写入器“拥有”内部创建的底层流，并在调用close()时关闭它。然而，如果我们传入Writer.stream(aStream)，，则作者假设其他人是该流的响应，并且在调用close()时不会关闭它。总之，它不是一个bug，只是我不太理解它。。