我正在实施一个基于发布订阅模型的通知系统，以便在数据到达/加载到HDFS时通知数据的可用性。我没有找到找到方法。是否有任何可用于执行此操作的HDFS API，或者我应该使用什么方法来获取写入HDFS的新数据信息？我使用的是Hadoop v2.0.2，我不想使用HCatalog，我想实现我自己的工具来执行此操作。 解决方案
您在寻找的是 Oozie协调员。
HDFS 是一个文件系统，所以必须在HDFS之上构建一些文件来检查文件的可用性。 HBase 具有触发程序的协处理器。但它仅适用于HBase表。所以它不能用于检测HDFS中的数据可用性。
是一个用于管理Hadoop作业的工作流调度程序系统。 职位是经常性的Oozie工作流作业，由时间（频率）和数据可用性。您也可以执行其他程序：
lockquote
Oozie与Hadoop堆栈的其余部分集成在一起，支持
几种类型的Hadoop （例如Java map-reduce，
Streaming map-reduce，Pig，Hive，Sqoop和Distcp）以及系统
特定作业（如Java程序和shell脚本）。
因此，您也可以为通知系统使用文件可用性触发器。
I am implementing a Notification system based on publish subscribe model to notify about the availability of data as it arrives/loaded to HDFS. I did n't find a ways where to look for this. Is there any HDFS API which can be used to do this or what method should I use to get information of new data written to HDFS? I am using Hadoop v2.0.2 and I don't want to use HCatalog, I want to implement my own tool to do this.
What you are looking for is Oozie Coordinator.
HDFS is a file system, so something must be built on top of HDFS to check for file availability. HBase has coprocessor which are triggered procedures . But it is only available for HBase tables. So it cannot be used for detecting data availabilty in HDFS.
Oozie is a workflow scheduler system to manage Hadoop jobs. Oozie Coordinator jobs are recurrent Oozie Workflow jobs triggered by time (frequency) and data availabilty. Also you can execute other programs from it :
So you can use the file availability trigger for your notification system too.
这篇关于如何知道新数据已被添加到HDFS？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！
