java千万级别数据处理–千万级别FTP下载。目的主要是去ftp主机(最多100左右)去取xx数据文件.千万级别只是个概念，代表数据量等于千万或者大于千万的数据。
本分享不牵扯分布式采集存储之类的.是在一台机器上处理数据，如果数据量很大很大的话，可以考虑分布式处理，如果以后我有这方面的经验，会及时分享的.
1、程序采用的ftp工具， apache 的 commons-net-ftp-2.0.jar
2、千万级别ftp核心关键的部分–列目录到文件，只要是这块做好了，基本上性能就没有太大的问题了.
可以通过apache 发送ftp命令 “NLST” 的方式列目录到文件中去
# ftp列目录执行的命令 以环境变量的配置优先,不配置则使用默认的列目录方式 NLST
Java代码
01.# DS_LIST_CMD = NLST
02.public File sendCommandAndListToFile(String command,String localPathName) throws IOException
03. {
04. try {
05. return client.createFile(command, localPathName);
06. } catch (IOException e) {
07. log.error(e);
08. throw new IOException(“the command “+command +” is incorrect”);
09. }
10. }
当然应该还有其他形式的，大家可以自己研究一下
十万级别以上的数据量的话千万不要使用下面这种方式,如果用的话 ==== 找死
FTPFile[] dirList = client.listFiles();
3、分批次从文件中读取 要下载的文件名. 加载到内存中处理，或者读取一个文件名就下载一个文件，不要把所有的数据都加载到内存，如果很多的话会出问题
为啥要分批次？
因为是大数据量，如果有1000W条记录，列出来的目录文件的大小 1G以上吧
4、文件下载的核心代码—-关于文件的断点续传, 获得ftp文件的大小和本地文件的大小进行判断，然后使用ftp提供的断点续传功能
下载文件一定要使用二进制的形式
client.enterLocalPassiveMode();// 设置为被动模式
ftpclient.binary(); // 一定要使用二进制模式
Java代码
01./** 下载所需的文件并支持断点续传,下载后删除FTP文件，以免重复
02. * @param pathName 远程文件
03. * @param localPath 本地文件
04. * @param registerFileName 记录本文件名称目录
05. * @param size 上传文件大小
06. * @return true 下载及删除成功
07. * @throws IOException
08. * @throws Exception
09. */
10. public boolean downLoad(String pathName, String localPath) throws IOException {
11. boolean flag = false;
12. File file = new File(localPath+”.tmp”);//设置临时文件
13. FileOutputStream out = null;
14. try{
15. client.enterLocalPassiveMode();// 设置为被动模式
16. client.setFileType(FTP.BINARY_FILE_TYPE);//设置为二进制传输
17. if(lff.getIsFileExists(file)){//判断本地文件是否存在，如果存在并且长度小于FTP文件的长度时断点续传;返之新增
18. long size = this.getSize(pathName);
19. long localFileSize = lff.getSize(file);
20. if(localFileSize > size){
21. return false;
22. }
23. out = new FileOutputStream(file,true);
24. client.setRestartOffset(localFileSize);
25. flag = client.retrieveFile(new String(pathName.getBytes(),client.getControlEncoding()),out);
26.
27. out.flush();
28. } else{
29. out = new FileOutputStream(file);
30. flag = client.retrieveFile(new String(pathName.getBytes(),client.getControlEncoding()),out);
31.
32. out.flush();
33. }
34.
35. }catch(IOException e){
36. log.error(e);
37. log.error(“file download error !”);
38. throw e;
39. }finally{
40. try{
41. if(null!=out)
42. out.close();
43. if(flag)
44. lff.rename(file, localPath);
45. }catch(IOException e){
46. throw e;
47. }
48. }
49. return flag;
50. }
51. /**
52. * 获取文件长度
53. * @param fileNamepath 本机文件
54. * @return
55. * @throws IOException
56. */
57. public long getSize(String fileNamepath) throws IOException{
58. FTPFile [] ftp = client.listFiles(new String(fileNamepath.getBytes(),client.getControlEncoding()));
59. return ftp.length==0 ? 0 : ftp[0].getSize();
60. }
61.
62. 检测本地文件是否已经下载，如果下载文件的大小.
63.
64. /**
65. *本地文件的 获取文件的大小
66. * @param file
67. * @return
68. */
69. public long getSize(File file){
70. long size = 0;
71. if(getIsFileExists(file)){
72. size = file.length();
73. }
74. return size;
75. }
5、因为程序要跑最多100多个线程，在线程监控上做了一些处理，可以检测那些死掉的线程，并及时的拉起来。
t.setUncaughtExceptionHandler(new ThreadException(exList));
原理：给每个线程添加 UncaughtExceptionHandler,死掉的时候把线程对应的信息加入到一个list里面，然后让主线程每隔一段时间扫描一下list，如果有数据，直接重新建一个线程运行即可
6、如果程序是常驻内存的话，别忘记了在finally中关闭掉 不用的ftp连接
7、做大数据库采集程序必须考虑到的一件事情 磁盘空间已满的处理
java虚拟机对于磁盘空间已满，在英文环境下的 linux aix 机器上 一般报
There is not enough space in the file system
中文环境下 一般报 “磁盘空间已满”
大家可以使用下面的代码进行验证
Java代码
01.//检测磁盘控件是否已满的异常
Java代码
01.//linux aix There is not enough space in the file system
02. // window There is not enough space in the file system
03. if(e.toString().contains(“enough space”)||e.toString().contains(“磁盘空间已满”))
04. {
05. log.error(“channel “+channel_name + ” There is not enough space on the disk “);
06. Runtime.getRuntime().exit(0);
07. }
<千万级别数据生成xml文件>
原创文章 by dyllove98 @ http://jlins.iteye.com
原创文章 by dyllove98 @ http://blog.csdn.net/dyllove98
转载请表明出处。