你遇到了吗？Caused by: org.apache.hadoop.ipc.RemoteException(org.apache.hadoop.fs.FileAlreadyExistsException)
2024-08-29 19:35:26
我在使用 Structured Streaming 的 ForeachWriter，写 HDFS 文件时，出现了这个异常
这个异常出现的原因是HDFS作为一个分布式文件系统，支持多线程读，但是不支持多线程写入。所以HDFS引入了一个时间类型的锁机制，也就是HDFS的租约机制（** lease holder**）。
这个知识点来源于这篇文章 http://blog.csdn.net/weixin_44252761/article/details/89517393
大数据计算时，多线程与分布式的并行可以很好的加速数据的处理速度。可在大数据存储时，分布式的文件存储系统对并发的写请求支持存在天然的缺陷。这是一对天然的矛盾，暂时无法解决，只能缓和。
怎么缓和呢？不得不崇拜Spark开发者的智商，非常的简单和实用。不能同时写一个文件，但是可以同时写多个文件啊，只要我（spark或者程序）认为这多个文件是一个文件，那写一个和多个就没有区别了。
按照这个想法，修改我的代码，真正代码篇幅太长，主要就是一个地方：
将val hdfsWritePath = new Path(path) 改为 val hdfsWritePath = new Path(path + "/" + partitionId) 即可。
有兴趣的朋友可以看看更全面的代码，原来的源代码如下：
inputStream match {
case Some(is) =>
is.writeStream
.foreach(new ForeachWriter[Row]() {
var successBufferedWriter: Option[BufferedWriter] = None
def openHdfs(path: String, partitionId: Long, version: Long): Option[BufferedWriter] = {
val configuration: Configuration = new Configuration()
configuration.set("fs.defaultFS", hdfsAddr)
val fileSystem: FileSystem = FileSystem.get(configuration)
val hdfsWritePath = new Path(path)
val fsDataOutputStream: FSDataOutputStream =
if (fileSystem.exists(hdfsWritePath))
fileSystem.append(hdfsWritePath)
else
fileSystem.create(hdfsWritePath)
Some(new BufferedWriter(new OutputStreamWriter(fsDataOutputStream, StandardCharsets.UTF_8)))
}
override def open(partitionId: Long, version: Long): Boolean = {
successBufferedWriter =
if (successBufferedWriter.isEmpty) openHdfs(successPath, partitionId, version)
else successBufferedWriter
true
}
override def process(value: Row): Unit = {
successBufferedWriter.get.write(value.mkString(","))
successBufferedWriter.get.newLine()
}
override def close(errorOrNull: Throwable): Unit = {
successBufferedWriter.get.flush()
successBufferedWriter.get.close()
}
})
.start()
.awaitTermination()
上述代码初看没问题，却会导致标题错误，修改如下：
inputStream match {
case Some(is) =>
is.writeStream
.foreach(new ForeachWriter[Row]() {
var successBufferedWriter: Option[BufferedWriter] = None
def openHdfs(path: String, partitionId: Long, version: Long): Option[BufferedWriter] = {
val configuration: Configuration = new Configuration()
configuration.set("fs.defaultFS", hdfsAddr)
val fileSystem: FileSystem = FileSystem.get(configuration)
val hdfsWritePath = new Path(path + "/" + partitionId)
val fsDataOutputStream: FSDataOutputStream =
if (fileSystem.exists(hdfsWritePath))
fileSystem.append(hdfsWritePath)
else
fileSystem.create(hdfsWritePath)
Some(new BufferedWriter(new OutputStreamWriter(fsDataOutputStream, StandardCharsets.UTF_8)))
}
override def open(partitionId: Long, version: Long): Boolean = {
successBufferedWriter =
if (successBufferedWriter.isEmpty) openHdfs(successPath, partitionId, version)
else successBufferedWriter
true
}
override def process(value: Row): Unit = {
successBufferedWriter.get.write(value.mkString(","))
successBufferedWriter.get.newLine()
}
override def close(errorOrNull: Throwable): Unit = {
successBufferedWriter.get.flush()
successBufferedWriter.get.close()
}
})
.start()
.awaitTermination()
如此轻松（其实困扰了我一天）就解决了这个可能大家都会遇到的问题，读取时路径到 successPath 即可，分享出来。
如果有什么问题或不足，希望大家可以与我联系，共同进步。
完~~~~
最新文章
- SQL Server 2012基本知识
- 大公司的PHP面试题
- Hadoop核心组件
- Maven3简介
- ORACLE 回收站导致的故障
- GridView总结二：GridView自带编辑删除更新
- 浅试 JNI编程
- {转自MC}NVIDIA DirectX 11演示DEMO详解
- iOS开发之Runtime函数
- catalan 数——卡特兰数(转)
- window.history.back()的改进方法window.history.go()
- 基于Android的ELF PLT/GOT符号和重定向过程ELF Hook实现（by 低端农业代码 2014.10.27）
- SSH登录与增删改查demo详解+源代码
- Nodejs学习笔记（十五）--- Node.js + Koa2 构建网站简单示例
- 测试驱动开发实践2————从testList开始
- Vue-admin工作整理（十四）：Vuex和双向绑定
- Python的函数基础
- letsencrypt续期 最简单的续期方法更新证书
- Hyperledger Fabric 1.0.1至Hyperledger Fabric 1.0.5所升级的内容及修复的问题
- 利用Array Prototype的方法来实现对dom集合的筛选、indexOf、map等功能