Mapreduce中自定义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
- 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toString0方法把它们转换为字符串。
- SequenceFileOutputFormat
将SequenceFileOutputFormat输出作为后续MapReduce任务的输入,这便是-种好的输出格式,因为它的格式紧凑,很容易被压缩。
- 自定义OutputFormat
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。比如要在一个MR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
-
需求分析
过滤输入的数据,将包含atguigu的网站输出到一个文件,不包含atguigu的网站输出到另一个文件 -
输入数据
-
编写Mapper类
package com.atguigu.mr.outputformat;
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;
public class FileMapper extends Mapper<LongWritable, Text, Text, NullWritable> {
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
context.write(value,NullWritable.get());
}
}
- 编写Reducer类
package com.atguigu.mr.outputformat;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
public class FileReducer extends Reducer<Text, NullWritable,Text,NullWritable> {
Text k = new Text()