java海量数据处理（千万级别）(2)海量数据FTP下载

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

 

            千万级别仅仅是个概念，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採集存储之类的.是在一台机器上处理数据，假设数据量非常大非常大的话，能够考虑分布式处理，假设以后我有这方面的经验，会及时分享的.

 

1、程序採用的ftp工具， apache 的 commons-net-ftp-2.0.jar

2、千万级别ftp核心关键的部分--列文件夹到文件，仅仅要是这块做好了，基本上性能就沒有太大的问题了.

  能够通过apache 发送ftp命令 "NLST" 的方式列文件夹到文件里去

  # ftp列文件夹运行的命令 以环境变量的配置优先,不配置则使用默认的列文件夹方式 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");
              }
      }

            当然应该还有其它形式的，大家能够自己研究一下

 

            十万级别以上的数据量的话千万不要使用下面这样的方式,假设用的话 ==== 找死

             FTPFile[] dirList = client.listFiles();

  

3、分批次从文件里读取 要下载的文件名称.  载入到内存中处理，或者读取一个文件名称就下载一个文件，不要把全部的数据都载入到内存，假设非常多的话会出问题

   

            为啥要分批次？

            由于是大数据量，假设有1000W条记录，列出来的文件夹文件的大小 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推断，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，以免反复
         * @param pathName 远程文件
         * @param localPath 本地文件
         * @param registerFileName 记录本文件名称称文件夹
         * @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");//设置暂时文件
                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)){//推断本地文件是否存在，假设存在而且长度小于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();
        }

        检測本地文件是否已经下载，假设下载文件的大小.

       /**
         *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、由于程序要跑最多100多个线程，在线程监控上做了一些处理，能够检測那些死掉的线程，并及时的拉起来。

            t.setUncaughtExceptionHandler(new ThreadException(exList));

原理：给每一个线程增加 UncaughtExceptionHandler,死掉的时候把线程相应的信息添加到一个list里面，然后让主线程每隔一段时间扫描一下list，假设有数据，直接又一次建一个线程运行就可以

 

6、假设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、做大数据库採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"

       大家能够使用以下的代码进行验证

       

                         

//检測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);
                     }

 

            <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。