SequenceFileInputFormat用法


SequenceFileInputFormat只能处理SequenceFile类型的文件。

代码:

package inputformat;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.SequenceFileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.mapreduce.lib.partition.HashPartitioner;
//用之前SequenceFile类型的文件作为处理数据,用那个for循环生成的数据,那个数据指定的类型是<LongWritable,Text>
//SequenceFileInputFormat只能处理SequenceFile类型的数据
public class SequenceFileInputFormatTest {
	public static class MyMapper extends
			Mapper<LongWritable, Text, Text, LongWritable> {
		final Text k2 = new Text();
		final LongWritable v2 = new LongWritable();

		protected void map(LongWritable key, Text value,
				Mapper<LongWritable, Text, Text, LongWritable>.Context context)
				throws InterruptedException, IOException {
			final String line = value.toString();
			final String[] splited = line.split("\\s");
			for (String word : splited) {
				k2.set(word);
				v2.set(1);
				context.write(k2, v2);
			}
		}
	}

	public static class MyReducer extends
			Reducer<Text, LongWritable, Text, LongWritable> {
		LongWritable v3 = new LongWritable();

		protected void reduce(Text k2, Iterable<LongWritable> v2s,
				Reducer<Text, LongWritable, Text, LongWritable>.Context context)
				throws IOException, InterruptedException {
			long count = 0L;
			for (LongWritable v2 : v2s) {
				count += v2.get();
			}
			v3.set(count);
			context.write(k2, v3);
		}
	}

	public static void main(String[] args) throws Exception {
		final Configuration conf = new Configuration();
		final Job job = Job.getInstance(conf, SequenceFileInputFormatTest.class.getSimpleName());
		// 1.1
		FileInputFormat.setInputPaths(job,
				"hdfs://192.168.1.10:9000/sf1");
		
		//这里改了一下,把TextInputFormat改成了SequenceFileInputFormat
		job.setInputFormatClass(SequenceFileInputFormat.class);
		
		
		// 1.2
		job.setMapperClass(MyMapper.class);
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(LongWritable.class);
		// 1.3 默认只有一个分区
		job.setPartitionerClass(HashPartitioner.class);
		job.setNumReduceTasks(1);
		// 1.4省略不写
		// 1.5省略不写

		// 2.2
		job.setReducerClass(MyReducer.class);
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(LongWritable.class);
		// 2.3
		FileOutputFormat.setOutputPath(job, new Path(
				"hdfs://192.168.1.10:9000/out1"));
		job.setOutputFormatClass(TextOutputFormat.class);
		// 执行打成jar包的程序时,必须调用下面的方法
		job.setJarByClass(SequenceFileInputFormatTest.class);
		job.waitForCompletion(true);
	}
}



生成SequenceFile类型的文件,供上述SequenceFileInputFormat使用,作为输入数据:

package sequenceFile;

import java.net.URI;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.SequenceFile;
import org.apache.hadoop.io.Text;
import org.apache.zookeeper.common.IOUtils;

//for循环读写操作演示
public class Forduxie {
	public static void main(String args[]) throws Exception {
		final Path path = new Path("/sf1");
		Configuration conf = new Configuration();
		final FileSystem fs = FileSystem.get(new URI("hdfs://192.168.1.10:9000/"), conf);
		
		@SuppressWarnings("deprecation")
		final SequenceFile.Writer writer = new SequenceFile.Writer(fs, conf,path, LongWritable.class,Text.class);
		for (int i = 0; i < 10; i++) {
			writer.append(new LongWritable(i), new Text(i+"=_="));
		}
		IOUtils.closeStream(writer);

		@SuppressWarnings({ "deprecation" })
		final SequenceFile.Reader reader = new SequenceFile.Reader(fs, path,conf);
		LongWritable key = new LongWritable();
		Text val = new Text();
		while (reader.next(key, val)) {
			System.out.println(key.get() + "\t" + val.toString());
		}IOUtils.closeStream(reader);
	}
}



如果创建的是Maven项目,需要在pom包里添加:


<span style="white-space:pre">		</span><dependency>
			<groupId>commons-io</groupId>
			<artifactId>commons-io</artifactId>
			<version>2.4</version>
		</dependency>





  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在 Hive 中,JoinOperator 是一个物理操作,它的具体实现是通过继承 Operator 类来实现的。JoinOperator 类中包含了多个成员方法,用于实现连接操作的各个环节。以下是 JoinOperator 类中的一些常用成员方法: 1. initializeOp(Configuration conf):初始化 JoinOperator,包括读取配置信息、打开输入输出流等。 2. process(Object row, int tag):对输入数据进行处理,将数据缓存在内存中,等待进行连接操作。 3. flush():将缓存的数据进行连接操作,并输出连接后的结果数据。 4. closeOp(boolean abort):关闭 JoinOperator,包括释放资源、关闭输入输出流等。 5. getExecContext():获取 JoinOperator 的执行上下文,包括输入输出流、计数器等。 6. getParentOperators():获取 JoinOperator 的父操作,即输入数据来源。 7. getSchema():获取 JoinOperator 的输出数据模式,即连接后的结果数据的格式。 8. setInputFormat(Class<? extends InputFormat> inputFormatClass):设置输入数据的格式,如 TextInputFormatSequenceFileInputFormat 等。 9. setOutputFormat(Class<? extends OutputFormat> outputFormatClass):设置输出数据的格式,如 TextOutputFormatSequenceFileOutputFormat 等。 10. setJoinExpr(Expression joinExpr):设置连接条件,即连接操作的关键参数。 这些成员方法都是用于实现 JoinOperator 的各个环节,例如初始化、输入输出数据的处理、连接操作的实现等。在使用 JoinOperator 时,需要根据实际情况选择合适的成员方法,并进行相应的配置和调用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值