java千万级别数据处理-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

Java代码  # 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

   

   

Java代码  /** 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

       

                         

Java代码  //检测磁盘控件是否已满的异常   Java代码  //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);                        }