有时候在利用mapreduce进行任务计算时,需要按照不同的规则,将不同的结果输出到不同的文件中,以便将计算结果分类。比如有这样一组数据,我们需要根据第一列的编号进行划分,让相同编号的第二列内容输出到同一个文件中,不同编号的内容输出到不同的文件中。
0,hello world
1,hello ketty
2,hello tom
0,hello lyf
0,good morning
2,test
3,33333
方案一:MultipleOutputs类
利用MapReduce提供的MultipleOutputs类(API 2.0)可以很容易的实现。MultipleOutputs类提供了三种不同的write函数用于将结果输出到不同的文件中,可根据自己的情况灵活使用。
public <K, V> void write(String namedOutput, K key, V value)
public <K, V> void write(String namedOutput, K key, V value, String baseOutputPath)
public void write(KEYOUT key, VALUEOUT value, String baseOutputPath)
参数:
key: 输出的key
Value: 输出的value
namedOutput: 在JOB中定义的输出名,可自定义不同的输出格式
baseOutputPath: 自定义输出文件目录,可为多级目录,如果最后一级不存在,则默认为输出文件的前缀名
无奈集群某些原因,任务迁移至别的集群之后MultiOutputs类无法使用,只好另寻出路了,于是就有了下面的方案。
方案二:自定义Partitioner
利用MapReduce提供的Partitioner类,我们可以自定义我们自己的Partitioner。
首先我们需要了解MapReduce的工作原理,我们知道,简单来说Mapper阶段主要是负责分发数据到各个Reducer,然后Reducer负责聚合各个Mapper分发过来的数据。一般情况下,这个具体如何分发的我们并不太关心,这是因为框架本身有一个默认的设置,会帮我们自动完成。而这个默认的自定如何分发数据的类就是Partitioner。我们来看一下默认的HashPartitioner。
pa