Hadoop开发常用的InputFormat和OutputFormat(转)

最新推荐文章于 2019-09-05 17:30:39 发布

iteye_8600

最新推荐文章于 2019-09-05 17:30:39 发布

阅读量113

点赞数

分类专栏： Hadoop学习文章标签： hadoop

本文链接：https://blog.csdn.net/iteye_8600/article/details/82404564

版权

Hadoop学习专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文深入介绍了Hadoop MapReduce框架中常用的InputFormat和OutputFormat，包括TextInputFormat、KeyValueTextInputFormat、SequenceFileInputFormat、SequenceFileOutputFormat等，详细解释了它们的工作原理和应用场景。

摘要由CSDN通过智能技术生成

Hadoop中的Map Reduce框架依赖InputFormat提供数据，依赖OutputFormat输出数据；每一个Map Reduce程序都离不开他们。Hadoop提供了一系列InputFormat和OutputFormat方便开发，本文介绍几种常用的。

TextInputFormat
用于读取纯文本文件，文件被分为一系列以LF或者CR结束的行，key是每一行的位置（偏移量,LongWritable类型），value是每一行的内容,Text类型。

KeyValueTextInputFormat
同样用于读取文件，如果行被分隔符（缺省是tab）分割为两部分，第一部分为key，剩下的部分为value；如果没有分隔符，整行作为 key，value为空

SequenceFileInputFormat
用于读取sequence file。 sequence file是Hadoop用于存储数据自定义格式的binary文件。它有两个子类：SequenceFileAsBinaryInputFormat，将 key和value以BytesWritable的类型读出；SequenceFileAsTextInputFormat，将key和value以 Text的类型读出。

SequenceFileInputFilter
根据filter从sequence文件中取得部分满足条件的数据，通过setFilterClass指定Filter，内置了三种 Filter，RegexFilter取key值满足指定的正则表达式的记录；PercentFilter通过指定参数f，取记录行数%f==0的记录；MD5Filter通过指定参数f，取MD5(key)%f==0的记录。

NLineInputFormat
0.18.x新加入，可以将文件以行为单位进行split，比如文件的每一行对应一个map。得到的key是每一行的位置（偏移量,LongWritable类型），value是每一行的内容,Text类型。

CompositeInputFormat，用于多个数据源的join。

TextOutputFormat，输出到纯文本文件，格式为 key + " " + value。

NullOutputFormat，hadoop中的/dev/null，将输出送进黑洞。

SequenceFileOutputFormat，输出到sequence file格式文件。

MultipleSequenceFileOutputFormat, MultipleTextOutputFormat，根据key将记录输出到不同的文件。

DBInputFormat和DBOutputFormat，从DB读取，输出到DB。