[发明专利]离线小文件处理方法及装置在审
| 申请号： | 201710888790.5 | 申请日： | 2017-09-27 |
| 公开（公告）号： | CN107577809A | 公开（公告）日： | 2018-01-12 |
| 发明（设计）人： | 谢永恒;李鑫;火一莽;万月亮 | 申请（专利权）人： | 北京锐安科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京品源专利代理有限公司11332 | 代理人： | 孟金喆 |
| 地址： | 100044 北京市海淀区西小口*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 离线 文件 处理 方法 装置 | ||
1.一种离线小文件处理方法，运行于Hadoop分布式处理系统上，其特征在于，包括：
由HDFS中读取列式存储文件，其中，列式存储文件的大小小于预定的文件大小设定值；
提供进行数据处理指定的配置；
根据所述配置，基于Map-Reduce计算模型，对所述列式存储文件进行预处理及合并；以及
基于Map-Reduce计算模型，按照指定的归并频率将执行预处理及合并后的所述列式存储文件归并为大文件。
2.根据权利要求1所述的方法，其特征在于，还包括：
在对所述列式存储文件进行预处理及合并之后，基于Map-Reduce计算模型，对遗弃数据进行定期的压缩及恢复。
3.根据权利要求1或2所述的方法，其特征在于，根据所述配置，基于Map-Reduce计算模型，对所述列式存储文件进行预处理及合并，包括：
基于Map-Reduce计算模型，对列式存储文件的内容数据进行筛选；
基于Map-Reduce计算模型，对列式存储文件的内容数据进行去重；
基于Map-Reduce计算模型，对列式存储文件进行合并；以及
基于Map-Reduce计算模型，对列式存储文件的存储目录结构进行优化。
4.根据权利要求2所述的方法，其特征在于，基于Map-Reduce计算模型，对遗弃数据进行定期的压缩及恢复，包括：
基于Map-Reduce计算模型，由原始数据中区分出遗弃数据，其中，所述遗弃数据为不需要参加离线分析的数据；
基于Map-Reduce计算模型，对遗弃数据进行定期压缩，生成HAR文件；以及
基于Map-Reduce计算模型，对遗弃数据进行定期的恢复。
5.根据权利要求3所述的方法，其特征在于，基于Map-Reduce计算模型，按照指定的归并频率将执行预处理及合并后的所述列式存储文件归并为大文件，包括：
根据列式存储文件的存储目录结构，将所述列式存储文件归并为大文件。
6.根据权利要求1或2所述的方法，其特征在于，所述列式存储文件包括：parquet存储文件。
7.一种离线小文件处理装置，集成在Hadoop分布式处理系统中，其特征在于，包括：
读取模块，用于由HDFS中读取列式存储文件，其中，列式存储文件的大小小于预定的文件大小设定值；
配置模块，用于提供进行数据处理指定的配置；
预处理模块，用于根据所述配置，基于Map-Reduce计算模型，对所述列式存储文件进行预处理及合并；以及
归并模块，用于基于Map-Reduce计算模型，按照指定的归并频率将执行预处理及合并后的所述列式存储文件归并为大文件。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京锐安科技有限公司，未经北京锐安科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710888790.5/1.html，转载请声明来源钻瓜专利网。
