InputFormat
将输入的数据集切割成小数据集 InputSplits, 每一个 InputSplit 将由一个 Mapper 负责处理 。此外 InputFormat 中还提供一个 RecordReader 的实现, 将一个 InputSplit 解析成 <key,value> 对提供给 map 函数。
默认:TextInputFormat
(针对文本文件,按行将文本文件切割成 InputSplits, 并用 LineRecordReader 将 InputSplit 解析成 <key,value> 对,key 是行在文件中的位置,value 是文件中的一行)
OutputFormat
提供一个 RecordWriter 的实现,负责输出最终结果
默认:TextOutputFormat
(用 LineRecordWriter 将最终结果写成纯文件文件,每个 <key,value> 对一行,key 和 value 之间用 tab 分隔)
SequenceFileOutputFormat
OutputKeyClass
输出的最终结果中 key 的类型
默认: LongWritable
OutputValueClass
输出的最终结果中 value 的类型
默认: Text
MapperClass
Mapper 类,实现 map 函数,完成输入的 <key,value> 到中间结果的映射
默认:IdentityMapper
(将输入的 <key,value> 原封不动的输出为中间结果)
CombinerClass
实现 combine 函数,将中间结果中的重复 key 做合并
默认: null
(不对中间结果中的重复 key 做合并)
ReducerClass
Reducer 类,实现 reduce 函数,对中间结果做合并,形成最终结果
默认: IdentityReducer
(将中间结果直接输出为最终结果)
InputPath
设定 job 的输入目录, job 运行时会处理输入目录下的所有文件
默认: null
OutputPath
设定 job 的输出目录,job 的最终结果会写入输出目录下
默认:null
MapOutputKeyClass
设定 map 函数输出的中间结果中 key 的类型
默认:如果用户没有设定的话,使用 OutputKeyClass
MapOutputValueClass
设定 map 函数输出的中间结果中 value 的类型
默认:如果用户没有设定的话,使用 OutputValuesClass
OutputKeyComparator
对结果中的 key 进行排序时的使用的比较器
默认: WritableComparable
PartitionerClass
对中间结果的 key 排序后,用此 Partition 函数将其划分为R份,每份由一个 Reducer 负责处理。
默认: HashPartitioner
(使用 Hash 函数做 partition)
其他实现:KeyFieldBasedPartitioner PipesPartitioner
将输入的数据集切割成小数据集 InputSplits, 每一个 InputSplit 将由一个 Mapper 负责处理 。此外 InputFormat 中还提供一个 RecordReader 的实现, 将一个 InputSplit 解析成 <key,value> 对提供给 map 函数。
默认:TextInputFormat
(针对文本文件,按行将文本文件切割成 InputSplits, 并用 LineRecordReader 将 InputSplit 解析成 <key,value> 对,key 是行在文件中的位置,value 是文件中的一行)
OutputFormat
提供一个 RecordWriter 的实现,负责输出最终结果
默认:TextOutputFormat
(用 LineRecordWriter 将最终结果写成纯文件文件,每个 <key,value> 对一行,key 和 value 之间用 tab 分隔)
SequenceFileOutputFormat
OutputKeyClass
输出的最终结果中 key 的类型
默认: LongWritable
OutputValueClass
输出的最终结果中 value 的类型
默认: Text
MapperClass
Mapper 类,实现 map 函数,完成输入的 <key,value> 到中间结果的映射
默认:IdentityMapper
(将输入的 <key,value> 原封不动的输出为中间结果)
CombinerClass
实现 combine 函数,将中间结果中的重复 key 做合并
默认: null
(不对中间结果中的重复 key 做合并)
ReducerClass
Reducer 类,实现 reduce 函数,对中间结果做合并,形成最终结果
默认: IdentityReducer
(将中间结果直接输出为最终结果)
InputPath
设定 job 的输入目录, job 运行时会处理输入目录下的所有文件
默认: null
OutputPath
设定 job 的输出目录,job 的最终结果会写入输出目录下
默认:null
MapOutputKeyClass
设定 map 函数输出的中间结果中 key 的类型
默认:如果用户没有设定的话,使用 OutputKeyClass
MapOutputValueClass
设定 map 函数输出的中间结果中 value 的类型
默认:如果用户没有设定的话,使用 OutputValuesClass
OutputKeyComparator
对结果中的 key 进行排序时的使用的比较器
默认: WritableComparable
PartitionerClass
对中间结果的 key 排序后,用此 Partition 函数将其划分为R份,每份由一个 Reducer 负责处理。
默认: HashPartitioner
(使用 Hash 函数做 partition)
其他实现:KeyFieldBasedPartitioner PipesPartitioner