java - Hadoop 发出的 native snappy 压缩数据无法通过 java-snappy 版本提取

Question

当我们在进行一些处理后使用 Spark 时，我将结果存储到文件中并使用简单的代码来使用快速编解码器:

 data.saveAsTextFile("/data/2014-11-29",classOf[org.apache.hadoop.io.compress.SnappyCodec])

之后，当我使用 Spark 读取此文件夹文件时，一切都完美运行!但是今天我尝试在我的电脑中使用java snappy(java-snappy 1.1.1.2)来解压缩结果文件夹中的文件(该文件是从该文件夹下载到我的电脑的文件之一)

maven 依赖:

<dependency>
    <groupId>org.xerial.snappy</groupId>
    <artifactId>snappy-java</artifactId>
    <version>1.1.1.2</version>
</dependency>

我使用此代码来解压缩:

File fileIn = new File("E:\\dt\\part-00000.snappy");
File fileOut = new File("E:\\dt\\adv1417971604684.dat");
FileOutputStream fos = new FileOutputStream(fileOut, true);
byte[] fileBytes = Files.readAllBytes(Paths.get(fileIn.getPath()));
byte[] fileBytesOut = Snappy.uncompress(fileBytes);
fos.write(fileBytesOut);

但是:(我立即收到此错误:

    java.io.IOException: FAILED_TO_UNCOMPRESS(5)
 at org.xerial.snappy.SnappyNative.throw_error(SnappyNative.java:84)
 at org.xerial.snappy.SnappyNative.rawUncompress(Native Method)
 at org.xerial.snappy.Snappy.rawUncompress(Snappy.java:444)
 at org.xerial.snappy.Snappy.uncompress(Snappy.java:480)
 at org.xerial.snappy.Snappy.uncompress(Snappy.java:456)
 at

在 Spark 集群中我们使用:

spark 1.1.0 && hadoop 2.5.1 ( with native hadoop snappy )

这是我运行 hadoop checknative -a 时的结果:

    14/12/09 16:16:57 INFO bzip2.Bzip2Factory: Successfully loaded & initialized native-bzip2    library system-native
14/12/09 16:16:57 INFO zlib.ZlibFactory: Successfully loaded & initialized native-zlib library
Native library checking:
hadoop: true /usr/local/hadoop/hadoop2.5.1/lib/native/libhadoop.so
zlib:   true /lib64/libz.so.1
snappy: true /usr/local/hadoop/hadoop2.5.1/lib/native/libsnappy.so.1
lz4:    true revision:99
bzip2:  true /lib64/libbz2.so.1

我从链接下载并构建了 snappy native:

https://code.google.com/p/snappy/ 和 来源: https://drive.google.com/file/d/0B0xs9kK-b5nMOWIxWGJhMXd6aGs/edit?usp=sharing

请有人解释一下这个奇怪的错误! hadoop使用原生snappy压缩数据与使用java-snappy压缩数据有什么区别??????

Answer 1

我是 snappy-java 的开发者。 Hadoop的SnappyCodec与Snappy的格式规范不完全相同:https://code.google.com/p/snappy/source/browse/trunk/format_description.txt

Hadoop 中的 SnappyCodec 扩展了这种格式以压缩大型数据流。数据被分割成 block (通过BlockCompressionStream)，每个 block 都有一些 header 和压缩数据。要使用 Snappy.uncompress 方法读取压缩数据，您需要提取每个 block 并删除其 header 。