java千万级别数据处理(2)-千万级别FTP下载

 

欢迎大家访问我的个人网站 萌萌的IT人,后续所有的文章都会在此发布

--------------------------------------------------------------------------------------------

            这个也是以前做过的一个程序，目的主要是去ftp主机(最多100左右)去取xx数据文件.

 

            千万级别只是个概念，代表数据量等于千万或者大于千万的数据

            本分享不牵扯分布式采集存储之类的.是在一台机器上处理数据，如果数据量很大很大的话，可以考虑分布式处理，如果以后我有这方面的经验，会及时分享的.

 

1、程序采用的ftp工具， apache 的 commons-net-ftp-2.0.jar

 

2、千万级别ftp核心关键的部分--列目录到文件，只要是这块做好了，基本上性能就没有太大的问题了.

 

  可以通过apache 发送ftp命令 "NLST" 的方式列目录到文件中去

 

  # ftp列目录执行的命令 以环境变量的配置优先,不配置则使用默认的列目录方式 NLST

  # DS_LIST_CMD = NLST 
  public File sendCommandAndListToFile(String command,String localPathName) throws   IOException 
        {
                try {
                        return client.createFile(command, localPathName);
                } catch (IOException e) {
                        log.error(e);
            throw new IOException("the command "+command +" is incorrect");
                }
        }

 

            当然应该还有其他形式的，大家可以自己研究一下

 

            十万级别以上的数据量的话千万不要使用下面这种方式,如果用的话 ==== 找死

 

             FTPFile[] dirList = client.listFiles();

  

3、分批次从文件中读取 要下载的文件名.  加载到内存中处理，或者读取一个文件名就下载一个文件，不要把所有的数据都加载到内存，如果很多的话会出问题

   

            为啥要分批次？

            因为是大数据量，如果有1000W条记录，列出来的目录文件的大小 1G以上吧

 

 

4、文件下载的核心代码----关于文件的断点续传, 获得ftp文件的大小和本地文件的大小进行判断，然后使用ftp提供的断点续传功能

            下载文件一定要使用二进制的形式

            client.enterLocalPassiveMode();// 设置为被动模式

            ftpclient.binary();  // 一定要使用二进制模式

 

   

   

/** 下载所需的文件并支持断点续传,下载后删除FTP文件，以免重复
         * @param pathName 远程文件
         * @param localPath 本地文件
         * @param registerFileName 记录本文件名称目录
         * @param size 上传文件大小
         * @return true 下载及删除成功
         * @throws IOException 
         * @throws Exception
         */
        public boolean downLoad(String pathName, String localPath) throws IOException {
                boolean flag = false;
                File file = new File(localPath+".tmp");//设置临时文件
                FileOutputStream out = null;
                try{
                    client.enterLocalPassiveMode();// 设置为被动模式
                    client.setFileType(FTP.BINARY_FILE_TYPE);//设置为二进制传输
                        if(lff.getIsFileExists(file)){//判断本地文件是否存在，如果存在并且长度小于FTP文件的长度时断点续传;返之新增
                                long size = this.getSize(pathName);
                                long localFileSize = lff.getSize(file);        
                                if(localFileSize > size){
                                        return false;
                                }
                                out = new FileOutputStream(file,true);
                                client.setRestartOffset(localFileSize);
                                flag = client.retrieveFile(new String(pathName.getBytes(),client.getControlEncoding()),out);
                                
                                out.flush();
                        } else{
                                out = new FileOutputStream(file);
                                flag = client.retrieveFile(new String(pathName.getBytes(),client.getControlEncoding()),out);
                                
                                out.flush();
                        }
                        
                }catch(IOException e){
                        log.error(e);
            log.error("file download error !");
                        throw e;
                }finally{
                        try{
                                if(null!=out)
                                out.close();
                                if(flag)
                                        lff.rename(file, localPath);
                        }catch(IOException e){
                                throw e;
                        }
                }
                return flag;
        }
    /**
         * 获取文件长度
         * @param fileNamepath 本机文件
         * @return
         * @throws IOException
         */
        public long getSize(String fileNamepath) throws IOException{
                FTPFile [] ftp = client.listFiles(new String(fileNamepath.getBytes(),client.getControlEncoding()));
                return ftp.length==0 ? 0 : ftp[0].getSize();
        }

        检测本地文件是否已经下载，如果下载文件的大小.

       /**
         *本地文件的 获取文件的大小
         * @param file
         * @return
         */
        public long getSize(File file){
                long size = 0;
                if(getIsFileExists(file)){
                        size = file.length();
                }
                return size;
        }

 

5、因为程序要跑最多100多个线程，在线程监控上做了一些处理，可以检测那些死掉的线程，并及时的拉起来。

            t.setUncaughtExceptionHandler(new ThreadException(exList));

原理：给每个线程添加 UncaughtExceptionHandler,死掉的时候把线程对应的信息加入到一个list里面，然后让主线程每隔一段时间扫描一下list，如果有数据，直接重新建一个线程运行即可

 

6、如果程序是常驻内存的话，别忘记了在finally中关闭掉 不用的ftp连接

 

7、做大数据库采集程序必须考虑到的一件事情   磁盘空间已满的处理

 

       java虚拟机对于磁盘空间已满，在英文环境下的  linux aix 机器上 一般报

       There is not enough space in the file system

       中文环境下 一般报 "磁盘空间已满"

       大家可以使用下面的代码进行验证

       

 

                         

//检测磁盘控件是否已满的异常

   //linux aix There is not enough space in the file system
                        // window There is not enough space in the file system
                        if(e.toString().contains("enough space")||e.toString().contains("磁盘空间已满"))
                        {
                                log.error("channel "+channel_name + " There is not enough space on the disk ");
                                Runtime.getRuntime().exit(0);
                        }

 

 

         欢迎访问我的个人博客   java进阶网     www.javady.com

            <千万级别数据生成xml文件>  原创文章 by dyllove98 @ http://jlins.iteye.com 转载请表明出处。

 

评论

21 楼 dyllove98 2012-04-25  

xpp02 写道

zcw_java 写道

谢谢支持

20 楼 dyllove98 2012-04-25  

高处不胜寒，躺着也会中枪

19 楼 dyllove98 2012-04-25  

543089122 写道

为什么要弄100多个线程呢，就算满负荷运行内核*2倍的线程就足以。
线程死掉是程序异常没捕获好，捕获好了怎么会死掉。。。
线程开销和切换本就很大，还弄个监控死掉了线程就新开 。。。晕倒

去100个地市的主机去取数据，线程不会死掉，如果真的死掉是因为配置的用户名，密码错误等，这个时候直接关闭当前线程，等过了一段时间让管理员修改密码之后会自动拉起线程。

18 楼 543089122 2012-04-25  

为什么要弄100多个线程呢，就算满负荷运行内核*2倍的线程就足以。
线程死掉是程序异常没捕获好，捕获好了怎么会死掉。。。
线程开销和切换本就很大，还弄个监控死掉了线程就新开 。。。晕倒

17 楼 dyllove98 2012-04-24  

ximenchuifeng 写道

好文。。

谢谢支持

16 楼 dyllove98 2012-04-24  

zcw_java 写道

谢谢支持

15 楼 dyllove98 2012-04-24  

hotsmile 写道

代码不错！！！
用开源就是好！！！

共享才是关键。。。。大家都了解的才是最好的.

14 楼 hotsmile 2012-04-24  

代码不错！！！
用开源就是好！！！

13 楼 dyllove98 2012-04-24  

long_yu2 写道

代码借用一下，正好有ftp的功能要开发 

可以呀，o(∩_∩)o...

12 楼 ximenchuifeng 2012-04-24  

好文。。

11 楼 long_yu2 2012-04-24  

代码借用一下，正好有ftp的功能要开发 

10 楼 dyllove98 2012-04-24  

walldr2161 写道

弱弱的问下楼主：你这千万级的数据是怎么存储的？分多个文件存储？还是单个文件存储的？

每个文件 不到4K，大约有几千万个文件

9 楼 walldr2161 2012-04-24  

弱弱的问下楼主：你这千万级的数据是怎么存储的？分多个文件存储？还是单个文件存储的？

8 楼 qcyycom 2012-04-23  

持续关注，谢谢分享

7 楼 dyllove98 2012-04-23  

test_touch 写道

下一篇是什么

千万级别的数据库转移或者读取和处理大文件

6 楼 test_touch 2012-04-23  

下一篇是什么

5 楼 my_queen 2012-04-23  

记录下

4 楼 xpp02 2012-04-23  

zcw_java 写道

3 楼 dyllove98 2012-04-23  

男人四十 写道

http://www.easy518.com/portal.php

公司内网暂时砍不了，晚上回家去看

2 楼 zcw_java 2012-04-23