berkeley db储存URL队列的简单实现增、删、查
Berkeley DB（BDB）是一个高效的嵌入式数据库编程库，C语言、C++、Java、Perl、Python、Tcl以及其它非常多语言都有其相应的API。
Berkeley DB能够保存随意类型的键/值对（Key/Value Pair），并且能够为一个键保存多个数据。Berkeley DB支持让数千的并发线程同一时候操作数据库。支持大256TB的数据。广泛用于各种操作系统，当中包含大多数类Unix操作系统、Windows操作系统以及实时操作系统。
Berkeley DB在06年被 Oracle 收购了。如今我们在 Oracle 站点上会看到： BerkeleyDB、BerkeleyDB XML 和 BerkeleyDB JAVA Edition 这个三个东东。
简单的说開始 BerkeleyDB 是仅仅有 C 语言版本号的，可是 JAVA 也能够使用。仅仅只是须要通过 JNI 调用，效率可能有点影响。后来出了 JAVA Edition 。用纯 JAVA 实现了一遍，也就是我们看到的 BerkeleyDB JAVA Edition (简称 JE )。
JE是一个通用的事务保护的，100％纯Java（JE不作不论什么JNI调用）编写的嵌入式数据库。因此。它为Java开发者提供了安全高效的对随意数据的存储和管理。
JE 适合于管理海量的，简单的数据。当中的记录都以简单的键值对保存，即key/value对。因为它操作简单，效率较高，因此受到了广泛的好评。
JE官网：http://www.oracle.com/technetwork/database/database-technologies/berkeleydb/overview/index.html
一些特性：
1. 大型数据库的支持：它支持从1到数百万级的数据量。数据库的限制大小基本上受限于你的硬件支持。
2. 多线程，多进程支持：JE读写操作都能够是多线程，使用记录级锁定为线程应用程序提供高并发性。此外，JE使用死锁超时检測的机制来确保不会有两个线程无限期的死锁。
JE同意多个进程訪问同一个DB。但在这样的情况下， Berkeley 仅仅同意一个线程进行写操作，读操作任意。
3. 事务：原子性，可恢复，隔离性。
4. 内存Cache：为了降低IO操作提高性能，将数据暂存在内存里面。
5. 索引。
简单读写操作：
Database.put()： 向数据库写入数据，假设不支持反复记录，则会覆盖更新key相应的已有记录
Database.putNoOverwrite():向数据库写入数据，可是假设key已经存在，不会覆盖已有数据（即使数据库支持反复key）
Database.putNoDupData():向数据库写入数据（该方法仅用于支持反复key的数据库），假设key和value相应的记录已经存在，那么操作结果是：OperationStatus.KEYEXIST
Database.get() ：检索-key相应的记录，假设没有找到，操作结果返回：OperationStatus.NOTFOUND
Database.getSearchBoth() ：依据key和value 检索数据库记录，假设没有找到，操作结果返回：OperationStatus.NOTFOUND
属性配置
跟Environment一样，database也能够通过DatabaseConfig进行配置。DatabaseConfig.setAllowCreate()
设置当不存在该数据库的时候是否创建一个新的库
DatabaseConfig.setBtreeComparator()
设置用来决定数据库中记录顺序的排序器
DatabaseConfig.setDuplicateComparator()
设置用来比較反复数据的排序器
DatabaseConfig.setSortedDuplicates()
设置该数据库是否同意反复的数据
DatabaseConfig.setExclusiveCreate()
设置当存在该数据库的时候是否会打开数据库失败
DatabaseConfig.setReadOnly()
设置数据库是否仅仅读
DatabaseConfig.setTransactional()
设置事务属性
DatabaseConfig.setDeferredWrite()
设置延迟写属性
DatabaseConfig.setTemporary()
设置该数据库是否为暂时数据库（Temporary Databases）
延迟写数据库
默认情况下。数据库会在操作的时候写入变化到磁盘中，假设你使用了事务。那么将会在事务提交的时候写入变化。可是假设你启用了延迟写配置，数据库不会把变化马上写入，除非1.显式的调用了Database.sync()方法；2.缓存满了；3.到达了检查点（checkpoint）。
延迟写能够带来下面两个优点:
1.在多线程情况下，能够降低写操作的瓶颈。
2.能够降低写操作数据库，比方你一条记录你多次改动了它，那仅仅会后一次的改变会被写入到数据库中。
数据库也能够在延迟写和普通库之间进行转换，比方你要载入非常大量的数据到数据库中，明显的延迟写数据库相较于普通数据库有更好的性能，这时你能够在载入大数据的时候设置延迟写，在载入完成之后一次性的写入到数据库中。然后关闭数据库。再使用普通数据库配置属性打开。
设置DatabaseConfig.setDeferredWrite(true)。能够让数据库变成延迟写数据库。
暂时数据库
这是一个非常特殊的数据库。打开暂时数据库后，你能够像一般的数据库一样对它进行操作，可是在关闭这个数据库后全部的数据将被清除。
也就是说暂时数据库中的数据不是持久性的。
而且暂时数据库内部採用了延迟写，可是这并不意味着暂时数据库将不会发生I/O操作。当缓存满的时候，数据库仍然会把数据写入到磁盘上。
暂时数据库拥有延迟写数据库的全部长处。可是有一点不同于延迟写数据库，它不会在到达检查点的时候进行写入。
设置DatabaseConfig.setTemporary(true)，能够让数据库变成延迟写数据库。
//URL队列的实现，讲訪问过的URL存到另外一个数组中。并删除队列中已经訪问过的URL
package com.mycrawler.berkeleydb;
import java.io.File;
import com.sleepycat.je.Cursor;
import com.sleepycat.je.Database;
import com.sleepycat.je.DatabaseConfig;
import com.sleepycat.je.DatabaseEntry;
import com.sleepycat.je.DatabaseException;
import com.sleepycat.je.Environment;
import com.sleepycat.je.EnvironmentConfig;
import com.sleepycat.je.LockMode;
import com.sleepycat.je.OperationStatus;
import com.sleepycat.je.Transaction;
public class OperatingDB {
//讲URL写入队列中
public boolean writerURL(String fileName, String url,
String databaseDBName, String rankPage) {
boolean mark = false;
// 配置环境 https://community.oracle.com/thread/996592?start=0&tstart=0 问题地址
EnvironmentConfig envConfig = new EnvironmentConfig();
// 设置配置事务
envConfig.setTransactional(true);
// 假设不存在就创建环境
envConfig.setAllowCreate(true);
File file = new File(fileName);
file.mkdirs();
try {
Environment exampleEnv = new Environment(file, envConfig);
Transaction txn = exampleEnv.beginTransaction(null, null);
DatabaseConfig dbConfig = new DatabaseConfig();
dbConfig.setTransactional(true);
dbConfig.setAllowCreate(true);
dbConfig.setSortedDuplicates(false);
Database exampleDb = exampleEnv.openDatabase(txn, databaseDBName,
dbConfig);
txn.commit();
DatabaseEntry theKey = new DatabaseEntry(url.getBytes("utf-8"));
DatabaseEntry theData = new DatabaseEntry(
rankPage.getBytes("utf-8"));
exampleDb.put(null, theKey, theData);
exampleDb.close();
exampleEnv.close();
} catch (Exception e) {
e.printStackTrace();
mark = false;
}
return mark;
}
// 读取没有訪问过的URL
public String readerURL(String fileName, String databaseDBName) {
// boolean mark = false;
// 配置环境
EnvironmentConfig envConfig = new EnvironmentConfig();
// 设置配置事务
envConfig.setTransactional(true);
// 假设不存在就创建环境
envConfig.setAllowCreate(true);
File file = new File(fileName);
String theKey = null;
// file.mkdirs();
try {
Environment exampleEnv = new Environment(file, envConfig);
// Transaction txn = exampleEnv.beginTransaction(null,null);
DatabaseConfig dbConfig = new DatabaseConfig();
dbConfig.setTransactional(true);
dbConfig.setAllowCreate(true);
dbConfig.setSortedDuplicates(false);
Database myDB = exampleEnv.openDatabase(null, databaseDBName,
dbConfig);
// txn.commit();
// txn = exampleEnv.beginTransaction(null,null);
Cursor cursor = myDB.openCursor(null, null);
DatabaseEntry foundKey = new DatabaseEntry();
DatabaseEntry foundValue = new DatabaseEntry();
// cursor.getPrev()与cursor.getNext()的差别：一个是从前往后读取，一个是从后往前读取
// 这里讲訪问遍历数据库所有数据while循环噶为if推断，则就仅仅读取条数据
if (cursor.getNext(foundKey, foundValue, LockMode.DEFAULT) == OperationStatus.SUCCESS) {
theKey = new String(foundKey.getData(), "UTF-8");
}
cursor.close();
myDB.close();
exampleEnv.close();
} catch (Exception e) {
e.printStackTrace();
}
return theKey;
}
// 读取已经爬取过的URL
public String readerUsedURL(String fileName, String databaseDBName,
String url) {
// 配置环境
EnvironmentConfig envConfig = new EnvironmentConfig();
// 设置配置事务
envConfig.setTransactional(true);
// 假设不存在就创建环境
envConfig.setAllowCreate(true);
File file = new File(fileName);
String theKey = null;
// file.mkdirs();
try {
Environment exampleEnv = new Environment(file, envConfig);
Transaction txn = exampleEnv.beginTransaction(null, null);
DatabaseConfig dbConfig = new DatabaseConfig();
dbConfig.setTransactional(true);
dbConfig.setAllowCreate(true);
dbConfig.setSortedDuplicates(false);
Database myDB = exampleEnv.openDatabase(txn, databaseDBName,
dbConfig);
txn.commit();
Cursor cursor = myDB.openCursor(null, null);
DatabaseEntry foundKey = new DatabaseEntry();
DatabaseEntry foundValue = new DatabaseEntry();
// cursor.getPrev()与cursor.getNext()的差别：一个是从前往后读取。一个是从后往前读取
// 这里讲訪问遍历数据库所有数据while循环噶为if推断。则就仅仅读取条数据
while (cursor.getNext(foundKey, foundValue, LockMode.DEFAULT) == OperationStatus.SUCCESS) {
theKey = new String(foundKey.getData(), "UTF-8");
if (theKey.equals(url)) {
return theKey;
}
}
cursor.close();
myDB.close();
exampleEnv.close();
} catch (Exception e) {
e.printStackTrace();
}
return null;
}
// 删除已经读取过的URL
public void deleteReadURL(String envHomePath, String databaseName,
String key) {
Environment mydbEnv = null;
Database myDatabase = null;
// 创建一个EnvironmentConfig配置对象
EnvironmentConfig envCfg = new EnvironmentConfig();
// 假设设置了true则表示当数据库环境不存在时候又一次创建一个数据库环境，默觉得false.
envCfg.setAllowCreate(true);
// 设置数据库缓存大小
// envCfg.setCacheSize(1024 * 1024 * 20);
// 事务支持,假设为true。则表示当前环境支持事务处理，默觉得false，不支持事务处理。
envCfg.setTransactional(true);
try {
mydbEnv = new Environment(new File(envHomePath), envCfg);
DatabaseConfig dbCfg = new DatabaseConfig();
// 假设数据库不存在则创建一个
dbCfg.setAllowCreate(true);
// 假设设置为true,则支持事务处理，默认是false。不支持事务
dbCfg.setTransactional(true);
myDatabase = mydbEnv.openDatabase(null, databaseName, dbCfg);
DatabaseEntry keyEntry = new DatabaseEntry(key.getBytes("utf-8"));
// 删除
myDatabase.delete(null, keyEntry);
} catch (Exception e) {
e.printStackTrace();
} finally {
if (null != myDatabase) {
try {
myDatabase.close();
} catch (DatabaseException e) {
e.printStackTrace();
}
}
if (null != mydbEnv) {
// 在关闭环境前清理下日志
try {
mydbEnv.cleanLog();
} catch (DatabaseException e) {
e.printStackTrace();
}
try {
mydbEnv.close();
} catch (DatabaseException e) {
e.printStackTrace();
}
mydbEnv = null;
}
}
}
public static void main(String[] args) {
OperatingDB odb = new OperatingDB();
// odb.writerURL( "c:/data/","www.163.com","data","123");
// odb.writerURL( "c:/data/","www.baidu.com","data","123");
String url = odb.readerURL("c:/data/", "data");
if(url != null){
odb.deleteReadURL("c:/data/","data",url);
}
else{
System.out.println("url is null !!!");
}
}
}
相关文章