☰

Liste todos os arquivos no diretório hdfs

tag-icon • tag-icon hadoop hdfs
Liste todos os arquivos no diretório hdfs

Devido a algum erro em um componente, os arquivos no HDFS foram acumulados e o número é enorme, ou seja, 2123516. Quero listar todos os arquivos e copiar seus nomes em um arquivo, mas quando executo o seguinte comando, ocorre um erro de espaço de heap Java .

hdfs dfs -ls /tmp/content/

Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
    at java.util.Arrays.copyOf(Arrays.java:3332)
    at java.lang.AbstractStringBuilder.expandCapacity(AbstractStringBuilder.java:137)
    at java.lang.AbstractStringBuilder.ensureCapacityInternal(AbstractStringBuilder.java:121)
    at java.lang.AbstractStringBuilder.append(AbstractStringBuilder.java:421)
    at java.lang.StringBuffer.append(StringBuffer.java:272)
    at java.net.URI.appendSchemeSpecificPart(URI.java:1911)
    at java.net.URI.toString(URI.java:1941)
    at java.net.URI.<init>(URI.java:742)
    at org.apache.hadoop.fs.Path.initialize(Path.java:145)
    at org.apache.hadoop.fs.Path.<init>(Path.java:126)
    at org.apache.hadoop.fs.Path.<init>(Path.java:50)
    at org.apache.hadoop.hdfs.protocol.HdfsFileStatus.getFullPath(HdfsFileStatus.java:215)
    at org.apache.hadoop.hdfs.DistributedFileSystem.makeQualified(DistributedFileSystem.java:252)
    at org.apache.hadoop.hdfs.DistributedFileSystem.listStatus(DistributedFileSystem.java:311)
    at org.apache.hadoop.fs.FileSystem.listStatus(FileSystem.java:842)
    at org.apache.hadoop.fs.FileSystem.listStatus(FileSystem.java:902)
    at org.apache.hadoop.fs.FileSystem.globStatusInternal(FileSystem.java:1032)
    at org.apache.hadoop.fs.FileSystem.globStatus(FileSystem.java:987)
    at org.apache.hadoop.fs.FileSystem.globStatus(FileSystem.java:965)
    at org.apache.hadoop.fs.shell.Command.runAll(Command.java:62)
    at org.apache.hadoop.fs.FsShell.run(FsShell.java:1822)
    at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:65)
    at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:79)
    at org.apache.hadoop.fs.FsShell.main(FsShell.java:1895)

Existe alguma outra maneira de listar os arquivos e quanto espaço de heap é necessário para listar 2.400.000 arquivos?

Responder1

Você pode tentar aumentar o tamanho do heap CLI configurando HADOOP_HEAPSIZEenv. variável, por exemplo:

$ HADOOP_HEAPSIZE=1000 hdfs dfs -ls /tmp/content

O número está em MB, então seja gentil :)

A grande questão é o que você fará com mais de 2 milhões de arquivos no console? Você não está planejando redirecionar a saída para algum lugar?

informação relacionada