前面的一个博客写到mr加载配置文件的三种方法都是基于map端加载的,当配置文件非常大时,map加载会报内存溢出(OOM)或报GC overhead limit exceeded,此时应该考虑reduce端加载。当然reduce端的加载也存在缺点,会造成shuffer过程的耗时。当然,任何一个程序都不是那么完美的,时间和空间就是鱼与熊掌不可兼得。
Reduce端加载的核心就是:在reduce端处理数据时要分清每条数据来自于哪个文件,通俗的讲就是在写HiveSql时,要知道这个字段源于哪张表。(reduce端的join差不多类似sql的左右关联)
package com.zqm.MavenProiect;
import java.io.IOException;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.HashMap;
import java.util.Map;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import