MapReduce之自定义OutPutFormat
OutputFormat接口实现类
OutputFormat是MapReduce输出的基类,所有实现MapReduce输出都实现了OutputFormat接口。下面介绍几种常见的OutputFormat实现类:
1.文本输出TextoutputFormat
默认的输出格式是TextOutputFormat,它把每条记录写为文本行。它的键和值可以是任意类型,因为TextOutputFormat调用toString()方法把它们转换为字符串。
2.SequenceFileOutputFormat
将SecquenceFileOutputFormat输出作为后续MapReduce任务的输入,这便是一种好的输出格式,因为它的格式紧凑,很容易被压缩。
3.自定义OutputFormat
根据用户需求,自定义实现输出。
自定义OutputFormat使用场景及步骤
使用场景
为了实现控制最终文件的输出路径和输出格式,可以自定义OutputFormat。
例如:要在一个MapReduce程序中根据数据的不同输出两类结果到不同目录,这类灵活的输出需求可以通过自定义OutputFormat来实现。
自定义OutputFormat步骤
(1)自定义一个类继承FileOutputFormat。
(2)改写RecordWriter,具体改写输出数据的方法write()
自定义OutputFormat 案例实操
需求
过滤输入的log日志,包含atguigu的网站输出到D:\hadoop\outputformat\atguigu.txt,不包含atguigu的网站输出到D:\hadoop\outputformat\other.txt。
什么时候需要Reduce
①合并
②需要对数据排序
所以我们这个案例不需要Reduce过程
程序类编写
LogMapper类
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
/**
* @author Ronin
* 过滤输入的log日志,包含atguigu的网站输出到D:\hadoop\outputformat\atguigu.txt,
* 不包含atguigu的网站输出到D:\hadoop\outputformat\other.txt。
*/
public class LogMapper extends Mapper<LongWritable, Text,Text, NullWritable> {
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//直接写出
context.write(value,NullWritable.get());
}
}
LogRecordWriter类
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.RecordWriter;
import org.apache.hadoop.mapreduce.TaskAttemptContext;
import java.io.IOException;
/**
* @author Ronin
* 过滤输入的log日志,包含atguigu的网站输出到D:\hadoop\outputformat\atguigu.txt,
* 不包含atguigu的网站输出到D:\hadoop\outputformat\other.txt。
*/
public class LogRecordWriter extends RecordWriter<Text, NullWritable> {
private FSDataOutputStream atguiguOut;
private FSDataOutputStream otherOut;
private Path atguipath = new Path("D:\\hadoop\\outputformat\\atguigu.txt");
private Path otherpath = new Path("D:\\hadoop\\outputformat\\other.txt");
private FileSystem fs;
public LogRecordWriter(TaskAttemptContext job) {
//因为写到不同的文件里,所以要弄两个输出流
//因此需要获取文件管理系统对象,然后创建输出流,上升为属性,挺高作用域
try {
fs = FileSystem.get(job.getConfiguration());
atguiguOut = fs.create(atguipath);
otherOut = fs.create(otherpath);
} catch (IOException e) {
e.printStackTrace();
}
}
@Override
public void write(Text key, NullWritable value) throws IOException{
//判断用哪个流来写出
String log = key.toString();
if (log.contains("atguigu")) {
atguiguOut.writeBytes(log + "\n");
} else {
otherOut.writeBytes(log + "\n");
}
}
@Override
public void close(TaskAttemptContext context) throws IOException {
if (atguiguOut != null) {
atguiguOut.close();
}
if (otherOut != null) {
otherOut.close();
}
if (fs != null) {
fs.close();
}
}
}
LogOutPutFormat
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.RecordWriter;
import org.apache.hadoop.mapreduce.TaskAttemptContext;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import java.io.IOException;
/**
* @author Ronin
*/
public class LogOutPutFormat extends FileOutputFormat<Text, NullWritable> {
@Override
public RecordWriter<Text, NullWritable> getRecordWriter(TaskAttemptContext job) throws IOException, InterruptedException {
LogRecordWriter lrw =new LogRecordWriter(job);
return lrw;
}
}
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import java.io.IOException;
/**
* @author Ronin
*/
public class LogDriver {
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
args = new String[]{"D:\\hadoop\\input\\inputoutputformat","D:\\hadoop\\output\\inputoutputformat"};
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);
job.setJarByClass(LogDriver.class);
job.setMapperClass(LogMapper.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(NullWritable.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(NullWritable.class);
job.setOutputFormatClass(LogOutPutFormat.class);
FileInputFormat.setInputPaths(job,new Path(args[0]));
//虽然我们自定义了outputformat,但是因为我们的outputformat继承自fileoutputformat
//而fileoutputformat要输出一个_SUCCESS文件,所以在这还得指定一个输出目录
FileOutputFormat.setOutputPath(job,new Path(args[1]));
boolean b = job.waitForCompletion(true);
System.exit(b?0:1);
}
}