java千万级别数据处理(2)-千万级别FTP下载

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
publicFilesendCommandAndListToFile(Stringcommand,StringlocalPathName)throwsIOException
{
try{
returnclient.createFile(command,localPathName);
}catch(IOExceptione){
log.error(e);
thrownewIOException("thecommand"+command+"isincorrect");
}
}

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
*@parampathName远程文件
*@paramlocalPath本地文件
*@paramregisterFileName记录本文件名称目录
*@paramsize上传文件大小
*@returntrue下载及删除成功
*@throwsIOException
*@throwsException
*/
publicbooleandownLoad(StringpathName,StringlocalPath)throwsIOException{
booleanflag=false;
Filefile=newFile(localPath+".tmp");//设置临时文件
FileOutputStreamout=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
longsize=this.getSize(pathName);
longlocalFileSize=lff.getSize(file);
if(localFileSize>size){
returnfalse;
}
out=newFileOutputStream(file,true);
client.setRestartOffset(localFileSize);
flag=client.retrieveFile(newString(pathName.getBytes(),client.getControlEncoding()),out);

out.flush();
}else{
out=newFileOutputStream(file);
flag=client.retrieveFile(newString(pathName.getBytes(),client.getControlEncoding()),out);

out.flush();
}

}catch(IOExceptione){
log.error(e);
log.error("filedownloaderror!");
throwe;
}finally{
try{
if(null!=out)
out.close();
if(flag)
lff.rename(file,localPath);
}catch(IOExceptione){
throwe;
}
}
returnflag;
}
/**
*获取文件长度
*@paramfileNamepath本机文件
*@return
*@throwsIOException
*/
publiclonggetSize(StringfileNamepath)throwsIOException{
FTPFile[]ftp=client.listFiles(newString(fileNamepath.getBytes(),client.getControlEncoding()));
returnftp.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
*@paramfile
*@return
*/
publiclonggetSize(Filefile){
longsize=0;
if(getIsFileExists(file)){
size=file.length();
}
returnsize;
}

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

//linuxaixThereisnotenoughspaceinthefilesystem
//windowThereisnotenoughspaceinthefilesystem
if(e.toString().contains("enoughspace")||e.toString().contains("磁盘空间已满"))
{
log.error("channel"+channel_name+"Thereisnotenoughspaceonthedisk");
Runtime.getRuntime().exit(0);
}

<千万级别数据生成xml文件>

原创文章 by dyllove98 @http://jlins.iteye.com

原创文章 by dyllove98 @http://blog.csdn.net/dyllove98

转载请表明出处。

<script type="text/javascript"><!-- google_ad_client = "ca-pub-1944176156128447"; /* csdn 横长 */ google_ad_slot = "7322168821"; google_ad_width = 728; google_ad_height = 90; //--></script><script type="text/javascript" src="http://pagead2.googlesyndication.com/pagead/show_ads.js"></script>