1

我正在开发一个分布式系统，在该系统中，服务器将一项巨大的任务分发给将处理它们并返回结果的客户端。
服务器必须接受大小为 20Gb 的大文件。

服务器必须将此文件拆分为更小的部分，并将路径发送给客户端，客户端反过来会 scp 文件并处理它们。

我正在使用read并write执行执行速度非常慢的文件拆分。

代码 

//fildes - Source File handle
//offset - The point from which the split to be made  
//buffersize - How much to split  

//This functions is called in a for loop   

void chunkFile(int fildes, char* filePath, int client_id, unsigned long long* offset, int buffersize) 
{
    unsigned char* buffer = (unsigned char*) malloc( buffersize * sizeof(unsigned char) );
    char* clientFileName = (char*)malloc( 1024 );
    /* prepare client file name */
    sprintf( clientFileName, "%s%d.txt",filePath, client_id);

    ssize_t readcount = 0;
    if( (readcount = pread64( fildes, buffer, buffersize, *offset ) ) < 0 ) 
    {
            /* error reading file */
            printf("error reading file \n");
    } 
    else 
    {
            *offset = *offset + readcount;
            //printf("Read %ud bytes\n And offset becomes %llu\n", readcount, *offset);
            int clnfildes = open( clientFileName, O_CREAT | O_TRUNC | O_WRONLY , 0777);

            if( clnfildes < 0 ) 
            {
                    /* error opening client file */
            } 
            else 
            {
                    if( write( clnfildes, buffer, readcount ) != readcount ) 
                    {
                            /* eror writing client file */
                    } 
                    else 
                    {
                            close( clnfildes );
                    }
            }
    }

    free( buffer );
    return;
}
  1. 有没有更快的分割文件的方法？
  2. 客户端有什么方法可以在不使用 scp 的情况下访问文件中的块（无需传输即可读取）？

我正在使用 C++。如果它们可以更快地执行，我准备使用其他语言。

4

3 回答 3

1

使用 --partial 选项通过 SSH 进行 rsync 吗？然后您可能也不需要拆分文件，因为如果传输中断，您可以继续。

文件拆分大小是预先知道的，还是沿着文件中的某个标记拆分？

于 2013-09-20T16:49:35.350 回答
1

您可以将文件放在网络服务器的范围内，然后curl从客户端使用

curl --range 10000-20000 http://the.server.ip/file.dat > result

将获得 10000 字节（从 10000 到 20000）

如果文件高度冗余并且网络速度很慢，则使用压缩可能有助于加快传输速度。例如执行

nc -l -p 12345 | gunzip > chunk

在客户端上然后执行

dd skip=10000 count=10000 if=bigfile bs=1 | gzip | nc client.ip.address 12345

在服务器上，您可以即时传输执行 gzip 压缩的部分，而无需创建中间文件。

编辑

通过网络使用压缩从服务器获取文件的一部分的单个命令是

ssh server 'dd skip=10000 count=10000 bs=1 if=bigfile | gzip' | gunzip > chunk
于 2013-09-20T17:14:36.807 回答
0

您可以将文件存放到 NFS 共享设备上，客户端可以在 RO 模式下挂载该设备。此后，客户端可以打开文件，并使用 mmap() 或 pread() 读取它的切片（文件片段）。通过这种方式，给客户端，将传输刚刚需要的部分文件。

于 2013-09-20T16:50:41.427 回答