尽管有关于此主题的所有资源,但我在刷新磁盘上的hdfs文件时仍然遇到问题(hadoop 2.6)
调用FSDataOutputStream.hsync()应该可以解决问题,但实际上由于未知原因它只能运行一次。

这是一个失败的简单单元测试:

@Test
public void test() throws InterruptedException, IOException {
    final FileSystem filesys = HdfsTools.getFileSystem();
    final Path file = new Path("myHdfsFile");
    try (final FSDataOutputStream stream = filesys.create(file)) {
        Assert.assertEquals(0, getSize(filesys, file));
        stream.writeBytes("0123456789");
        stream.hsync();
        stream.hflush();
        stream.flush();
        Thread.sleep(100);
        Assert.assertEquals(10, getSize(filesys, file)); // Works
        stream.writeBytes("0123456789");
        stream.hsync();
        stream.hflush();
        stream.flush();
        Thread.sleep(100);
        Assert.assertEquals(20, getSize(filesys, file)); // Fails, still 10
    }
    Assert.assertEquals(20, getSize(filesys, file)); // works
}


private long getSize(FileSystem filesys, Path file) throws IOException {
    return filesys.getFileStatus(file).getLen();
}

知道为什么吗?

最佳答案

实际上,hsync()在内部调用不带标志的私有(private)flushOrSync(boolean isSync, EnumSet<SyncFlag> syncFlags),如果提供了SyncFlag.UPDATE_LENGTH,则长度仅在namenode上更新。

在上述测试中,将getSize()替换为实际读取文件的代码即可。

private long getSize(FileSystem filesys, Path file) throws IOException {
    long length = 0;
    try (final  FSDataInputStream input = filesys.open(file)) {
        while (input.read() >= 0) {
            length++;
        }
    }
    return length;
}

要更新大小,您可以选择调用(不进行正确的类类型检查):
((DFSOutputStream) stream.getWrappedStream())).hsync(EnumSet.of(SyncFlag.UPDATE_LENGTH));

10-01 15:10