`

自定义OutputFormat

 
阅读更多

 

 

 

0 目标:

自定义OutputFormat, 指定输出文件名,并对输出的key-value在不同key下分别输出到不同目标文件

 

1 代码:

 

package outputformat;

import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;


import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.JobContext;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.OutputCommitter;
import org.apache.hadoop.mapreduce.OutputFormat;
import org.apache.hadoop.mapreduce.RecordWriter;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.TaskAttemptContext;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputCommitter;

/**
 * 自定义OutputFormat, 指定输出文件名,并对输出的key-value在不同key下分别输出到不同目标文件
 * 执行结果:
 * [root@master hadoop]# hadoop fs -lsr /
Warning: $HADOOP_HOME is deprecated.

-rw-r--r--   3 zm supergroup         19 2014-12-02 04:17 /hello
-rw-r--r--   3 zm supergroup         19 2014-12-02 04:16 /hello2
drwxr-xr-x   - zm supergroup          0 2014-12-04 00:17 /out
-rw-r--r--   3 zm supergroup          8 2014-12-04 00:17 /out/abc
-rw-r--r--   3 zm supergroup         11 2014-12-04 00:17 /out/other


[root@master hadoop]# hadoop fs -text /out/other
Warning: $HADOOP_HOME is deprecated.

me      1
you     1
[root@master hadoop]# hadoop fs -text /out/abc
Warning: $HADOOP_HOME is deprecated.

hello   2
 * @author zm
 *
 */
public class MySlefOutputFormatApp {
	private static final String INPUT_PATH = "hdfs://master:9000/hello";
	private static final String OUT_PATH = "hdfs://master:9000/out";
	private static final String OUT_FIE_NAME = "/abc";
	private static final String OUT_FIE_NAME1 = "/other";

	public static void main(String[] args) throws Exception{
		// 定义conf
		Configuration conf = new Configuration();
		final FileSystem filesystem = FileSystem.get(new URI(OUT_PATH), conf);
		if(filesystem.exists(new Path(OUT_PATH))){
			filesystem.delete(new Path(OUT_PATH), true);
		}
		// 定义job
		final Job job = new Job(conf , MySlefOutputFormatApp.class.getSimpleName());
		job.setJarByClass(MySlefOutputFormatApp.class);
		
		// 定义InputFormat
		FileInputFormat.setInputPaths(job, INPUT_PATH);
		job.setInputFormatClass(TextInputFormat.class);
		// 定义map
		job.setMapperClass(MyMapper.class);
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(LongWritable.class);
		// 定义reduce
		job.setReducerClass(MyReducer.class);
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(LongWritable.class);
		// 定义OutputFormat 自定义的MySelfTextOutputFormat中指定了输出文件名称
		job.setOutputFormatClass(MySelfTextOutputFormat.class);
		
		job.waitForCompletion(true);
	}
	
	public static class MyMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
		//
		protected void map(LongWritable key, Text value, org.apache.hadoop.mapreduce.Mapper<LongWritable,Text,Text,LongWritable>.Context context) throws java.io.IOException ,InterruptedException {
			//
			final String line = value.toString();
			final String[] splited = line.split("\t");
			
			//
			for (String word : splited) {
				context.write(new Text(word), new LongWritable(1));
			}
		};
	}
	
	//map产生的<k,v>分发到reduce的过程称作shuffle
	public static class MyReducer extends Reducer<Text, LongWritable, Text, LongWritable>{
		protected void reduce(Text key, java.lang.Iterable<LongWritable> values, org.apache.hadoop.mapreduce.Reducer<Text,LongWritable,Text,LongWritable>.Context context) throws java.io.IOException ,InterruptedException {
			//
			long count = 0L;
			for (LongWritable times : values) {
				count += times.get();
			}
			context.write(key, new LongWritable(count));
		};
	}
	
	
	// 自定义OutputFormat,定义好输出数据的FSDataOutputStream位置
	public static class MySelfTextOutputFormat extends OutputFormat<Text, LongWritable>{
		FSDataOutputStream outputStream =  null;// 自定义OutputFormat中,通过FSDataOutputStream将数据写出到hdfs中
		FSDataOutputStream outputStream1 =  null;
		@Override
		public RecordWriter<Text, LongWritable> getRecordWriter(
				TaskAttemptContext context) throws IOException,
				InterruptedException {
			try {
				final FileSystem fileSystem = FileSystem.get(new URI(MySlefOutputFormatApp.OUT_PATH), context.getConfiguration());
				//指定的是输出文件路径
				final Path opath = new Path(MySlefOutputFormatApp.OUT_PATH+OUT_FIE_NAME);
				final Path opath1 = new Path(MySlefOutputFormatApp.OUT_PATH+OUT_FIE_NAME1);
				if(fileSystem.exists(opath)){
					fileSystem.delete(opath,true);
				}
				if(fileSystem.exists(opath1)){
					fileSystem.delete(opath1,true);
				}
				
				this.outputStream = fileSystem.create(opath, false);
				this.outputStream1 = fileSystem.create(opath1, false);
			} catch (URISyntaxException e) {
				e.printStackTrace();
			}
			// 自定义 RecordWriter
			return new MySlefRecordWriter(outputStream,outputStream1);
		}

		@Override
		public void checkOutputSpecs(JobContext context) throws IOException,
				InterruptedException {
			
		}

		@Override
		public OutputCommitter getOutputCommitter(TaskAttemptContext context)
				throws IOException, InterruptedException {
			return new FileOutputCommitter(new Path(MySlefOutputFormatApp.OUT_PATH), context);
		}

	}
	
	// 自定义 RecordWriter
	public static class MySlefRecordWriter extends RecordWriter<Text, LongWritable>{
		FSDataOutputStream outputStream = null;
		FSDataOutputStream outputStream1 = null;

		public MySlefRecordWriter(FSDataOutputStream outputStream,FSDataOutputStream outputStream1) {
			this.outputStream = outputStream;
			this.outputStream1 = outputStream1;
		}

		@Override
		public void write(Text key, LongWritable value) throws IOException,
				InterruptedException {
			
			if(key.toString().equals("hello")){
				outToHdfs(outputStream,key, value);
			}else{
				outToHdfs(outputStream1,key, value);
			}
			
		}

		private void outToHdfs(FSDataOutputStream outputStream,Text key, LongWritable value) throws IOException {
			outputStream.writeBytes(key.toString());
			outputStream.writeBytes("\t");
			//this.outputStream.writeLong(value.get()); 这种方式输出的话,在hdfs中是不会正常显示的 需要用如下方式才可
			outputStream.writeBytes(value.toString());
			outputStream.writeBytes("\n");
		}

		@Override
		public void close(TaskAttemptContext context) throws IOException,
				InterruptedException {
			this.outputStream.close();
		}
		
	}
}

 

 

2 说明:

MySelfTextOutputFormat    指定输出文件名路径并创建,后和outputStream关联上,并将outputStream传递给MySlefRecordWriter
MySlefRecordWriter.write(key,value)中内做业务判断,将每次传来的key做判断,将key,value通过outputStream输出到不同文件中

分享到:
评论
1 楼 jaingbei 2018-02-06  
可以通过继承FileOutputFormat来简化相关代码

相关推荐

    MapReduce之自定义OutPutFormat.md

    MapReduce之自定义 OutPutFormat,通过一个案例,实现自定义的一个OutPutFormat,来更加的深刻的理解MR的过程

    java 中自定义OutputFormat的实例详解

    主要介绍了java 中 自定义OutputFormat的实例详解的相关资料,这里提供实例帮助大家学习理解这部分内容,希望通过本文能帮助到大家,需要的朋友可以参考下

    【MapReduce篇04】MapReduce之OutputFormat数据输出1

    1.使用场景 2.自定义 OutputFormat步骤 3.实际需求

    自定义inputFormat&&outputFormat1

    自定义inputFormat&&outputFormat1

    mapreduce高级特性3

    结合案例讲解mr重要知识点1.1 多表连接1.2 mr各组件之间数据传递1.3 mr中压缩设置1.4 多个job之间有序执行1.5 自定义outputFormat

    mapreduce_training:用于教学目的的MapReduce应用程序集

    MapReduce自定义OutputFormat和RecordWriter实现 Pig自定义LoadFunc加载和解析Apache HTTP日志事件 Pig的自定义EvalFunc使用MaxMind GEO API将IP地址转换为位置 另外,请查看,了解如何实现MapReduce联接。 包装库 ...

    探索HadoopOutputFormat

    Hadoop常常被用作大型数据处理生态系统中的一部分。它的优势在于能够批量地处理大量数据,并将结果以最好的方式与其他系统相集成。...OutputFormat将Map/Reduce作业的输出结果转换为其他应用程序可读的方式,从而

    el-form-renderer:data数据驱动的动态复杂表格解决方案

    形式呈现器目录灵感贡献贡献者执照 介绍 ... 特征用JSON渲染表单支持与自定义组件集成使用updateForm方法支持批量更新表单数据支持setOptions方法,动态更改选择选项内容支持inputFormat , outputFormat , trim以处理

    ZedGraph饼图、条形图和饼图Demo源码

    它功能完整且有详细的功能自定义。 基于LGPL协议开源,.NET 2.0 C#源代码)它的思路清淅,所以非常容易就上手. 几个注意点: 图片的保存路径设置:RenderedImagePath属性中设置,程序对该文件夹应该是有写和修改权限...

    ZedGraph winform打印 统计报表 打印组建 统计组件.NET2.0

    它功能完整且有详细的功能自定义。 基于LGPL协议开源,.NET 2.0 C#源代码)它的思路清淅,所以非常容易就上手. 几个注意点: 图片的保存路径设置:RenderedImagePath属性中设置,程序对该文件夹应该是有写和修改权限...

    ecosystem:TensorFlow与其他开源框架的集成

    TensorFlow生态系统 该存储库包含将TensorFlow与其他开源框架集成的示例。... -Hadoop MapReduce和Spark的TFRecord文件InputFormat / OutputFormat。 -Spark TensorFlow连接器 -Python软件包,可帮助用户使用TensorF

    gtfs-to-html:从GTFS中以HTML或PDF格式构建人类可读的运输时间表

    或者,使用outputFormat config选项创建时间表的可打印PDF版本。 所有人的无障碍环境 gtfs-to-html正确设置时间表的格式,以确保它们可供屏幕阅读器访问并符合WCAG 2.0。 内置的移动响应能力 内置样式使gtfs-to-...

    ZedGraph图形Demo

    它功能完整且有详细的功能自定义。 基于LGPL协议开源,.NET 2.0 C#源代码)它的思路清淅,所以非常容易就上手.几个注意点: 图片的保存路径设置:RenderedImagePath属性中设置,程序对该文件夹应该是有写和修改...

Global site tag (gtag.js) - Google Analytics