处理hadoop发送的文件到后台并解析存储到数据库策略

starxzj

　　处理hadoop发送的文件到后台并解析存储到数据库策略
　　主要实现 ：首先 hadoop  mapreduce  处理好的 文件，一个个 放到指定的文件 目录下 ，然后 通过 在Linux 下 通过定时任务 打包 发到   web 服务器的 指定 目录下 ，然后web 服务器  会 通过定时任务  去解析 它 ，然后，存储导数据库。
　　1.上篇 介绍了 文件 的 解压 ，通过解压后 文件 会形成 多个 文件 。



 如图 ，解压 后 ，我们 会 发现 有 很多 文件 ，然后 我们该 去 对每个文件 读取 内容 并 存到数据库中。
　　2. map 为所有文件 解析类
　　dataMap  所 有 数据 类   所有文件的 数据都存储到datamap 中了

for (File subfile : subFiles){
AbstractFileParser ifp = map.get(subfile.getName());
if (ifp != null) {
try {
ifp = ifp.getClass().newInstance();
ifp.init(subfile, (StatMap) dataMap.get(subfile.getName()));
jobList.add(ifp);
ifp.start();
} catch (Exception e) { e.printStackTrace(); }
}
}
for (Thread ifp : jobList)
{
try {
ifp.join();
} catch (InterruptedException e) { e.printStackTrace(); }
}
　　AbstractFileParser 类

BufferedReader bufferedReader = null;
try
{
bufferedReader = new BufferedReader(new FileReader(this.file));
String s = null;
while ((s = bufferedReader.readLine()) != null)
{
if (isDebug || logger.isDebugEnabled())
logger.debug(s);
String[] ss = s.split(",");
StatBase o = parseLine(ss);
if (o != null)
{
StatBase b = null;
synchronized (map)
{
b = map.get(o.getPrivateKey());
if (b == null)
{
map.put(o.getPrivateKey(), o);
}
else
{
update(o, b);
}
}
}
}
}
catch (Exception e)
{
logger.error("", e);
}
finally
{
if (bufferedReader != null)
try
{
bufferedReader.close();
}
catch (IOException e)
{
}
}
　　保存到 datamap 中的 数据 要进行 数据库保存