【转】java大数据处理(千万级别FTP下载)

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。

引用

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 

 //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);
                         }