Combine的使用案例

CombineTextInputFormat的使用案例

将输入的大量小文件合并成一个切片统一处理。

1.需求：

准备4个小文件，期望一个切片处理4个文件

2.实现过程：

(1)不做任何处理，运行WordCount案例程序，观察切片个数为4
number of splits：4

(2)在 WordcountDriver 中增加如下代码，运行程序，并观察运行的切片个数为 3
	// 如果不设置 InputFormat，它默认用的是 TextInputFormat.class
	job.setInputFormatClass(CombineTextInputFormat.class);
	//虚拟存储切片最大值设置 4m
	CombineTextInputFormat.setMaxInputSplitSize(job, 4194304);

(3)在WordcounyDriver中增加如下代码，运行程序，并观察切片的个数为1
	// 如果不设置 InputFormat，它默认用的是 TextInputFormat.class
	job.setInputFormatClass(CombineTextInputFormat.class);
	//虚拟存储切片最大值设置 20m
	CombineTextInputFormat.setMaxInputSplitSize(job, 20971520);	
	

3.代码实现：

3.1创建Mapper类：

package com.yingzi.mapreduce.combineText;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/**
 * @author 影子
 * @create 2022-01-13-14:41
 **/
public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{

    Text k = new Text();
    IntWritable v = new IntWritable(1);

    @Override
    protected void map(LongWritable key, Text value, Context context)	throws IOException, InterruptedException {

        // 1 获取一行
        String line = value.toString();

        // 2 切割
        String[] words = line.split(" ");

        // 3 输出
        for (String word : words) {

            k.set(word);
            context.write(k, v);
        }
    }
}

3.2创建Reduce类

package com.yingzi.mapreduce.combineText;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;


/**
 * @author 影子
 * @create 2022-01-13-14:41
 **/
public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{

    int sum;
    IntWritable v = new IntWritable();

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {

        // 1 累加求和
        sum = 0;
        for (IntWritable count : values) {
            sum += count.get();
        }

        // 2 输出
        v.set(sum);
        context.write(key,v);
    }
}

3.3创建Driver类

package com.yingzi.mapreduce.combineText;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.CombineTextInputFormat;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;



/**
 * @author 影子
 * @create 2022-01-13-14:41
 **/
public class WordCountDriver {

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

        // 1 获取配置信息以及获取job对象
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        // 2 关联本Driver程序的jar
        job.setJarByClass(WordCountDriver.class);

        // 3 关联Mapper和Reducer的jar
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReducer.class);

        // 4 设置Mapper输出的kv类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        // 5 设置最终输出kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        //  如果不设置InputFormat,它默认用的是TextInputFormat.class
        job.setInputFormatClass(CombineTextInputFormat.class);

        //  虚拟存储切片最大值设置 20m
        CombineTextInputFormat.setMaxInputSplitSize(job,20971520);

        // 6 设置输入和输出路径
        FileInputFormat.setInputPaths(job, new Path("G:\\计算机资料\\大数据开发\\尚硅谷大数据技术之Hadoop3.x\\资料\\11_input\\inputcombinetextinputformat"));
        FileOutputFormat.setOutputPath(job, new Path("G:\\计算机资料\\大数据开发\\尚硅谷大数据技术之Hadoop3.x\\资料\\_output\\outputCombine2"));

        // 7 提交job
        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }
}

4.查看结果