MapReduce一次读取多个文件

map类 sumMap

public class sumMap extends Mapper<LongWritable, Text,Text,Text> {

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

        FileSplit inputSplit = (FileSplit) context.getInputSplit();

        String name = inputSplit.getPath().getName();

        context.write(new Text(name),value);

    }

reduce 类

sumReduce

public class sumReduce extends Reducer<Text,Text,Text,Text> {
    @Override
    protected void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {

        for (Text value : values) {
            context.write(key,value);
        }
    }

驱动类 Driver

sumDriver

public class sumDriver extends Configured implements Tool {
    @Override
    public int run(String[] args) throws Exception {
        //实列化 job
        Job job = Job.getInstance(new Configuration(), "hello");
        //jar 
        job.setJarByClass(sumDriver.class);
        //读取数据所属文本内容
        job.setInputFormatClass(TextInputFormat.class);
        TextInputFormat.addInputPath(job,new Path("F:\\lele"));
        //使用job map类 输出
        job.setMapperClass(sumMap.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(Text.class);
        //使用job reduce类 输出
        job.setReducerClass(sumReduce.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
         //输出 路劲
        job.setOutputFormatClass(TextOutputFormat.class);
        TextOutputFormat.setOutputPath(job,new Path("F://lele_01"));

        return job.waitForCompletion(true)?0:1;
    }

    public static void main(String[] args) throws Exception {
        int run = ToolRunner.run(new sumDriver(), args);
    }
}

自定义类名
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
非常好! 下面是一个例子,它展示了如何使用Flink的Hadoop InputFormat API来读取HDFS上的多个文件: ``` import org.apache.flink.api.common.functions.MapFunction; import org.apache.flink.api.java.DataSet; import org.apache.flink.api.java.ExecutionEnvironment; import org.apache.flink.api.java.hadoop.mapreduce.HadoopInputFormat; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; // 获取执行环境 ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment(); // 创建Hadoop Job Job job = Job.getInstance(); // 设置输入格式为TextInputFormat,这意味着我们将读取文本文件 FileInputFormat.setInputPaths(job, "/path/to/input/*"); job.setInputFormatClass(TextInputFormat.class); // 创建Flink DataSet,使用Hadoop InputFormat DataSet<String> inputData = env.createInput(new HadoopInputFormat<>(job, TextInputFormat.class)); // 对读取的每一行执行map操作 DataSet<String> mappedData = inputData.map(new MapFunction<String, String>() { public String map(String value) { // 对每一行执行你想要的操作 return value; } }); // 使用DataSet API进行其他操作,例如groupBy,filter等等 ``` 在这个例子中,我们使用了Hadoop的TextInputFormat来读取HDFS上的文本文件。你也可以使用其他的Hadoop InputFormat,例如SequenceFileInputFormat或AvroInputFormat等等。 希望这个例子能帮到你!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值