【Hadoop】5.MapReduce框架原理-自定义InputFormat

说明

自定义InputFormat一般应用于hadoop自带的InputFormat类型不能满足某个应用场景中,需要我们自定义来解决

自定义步骤

自定义Inputformat步骤如下:

  1. 自定义一个类继承InputFormat
  2. 改写RecordReader,实现一次读取一个完成的文件封装为KV
  3. 在输出时使用SequenceFileOutPutFormat输出合并文件SequenceFile文件

(SequenceFile文件是hadoop用来存储二进制形式的key-value对的文件格式,SequenceFile里面存储着很多小文件,存储的形式为文件路径+名称为key,文件内容为value)。

示例操作

步骤:

  1. 自定义一个类继承FileInputFormat
    a. 重写isSpliable()方法,返回false 设置为文件不可分割
    b. 重写createRecordReader(),创建自定义的RecordReader对象,并初始化
  2. 改写RecordReader,实现一次读取一个完整的文件封装成为KV
    a. 采用IO流一次读取一个文件输出到value中,因为设置了不可分割所以整个文件都封装到了value中
    b. 获取文件路径信息+名称作为key
  3. 设置Driver
    a.

代码:
在这里插入图片描述

CustomerInputFormate自定义InputFormat
package com.xing.MapReduce.InputFormatSequenceFile;

import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.BytesWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.InputSplit;
import org.apache.hadoop.mapreduce.JobContext;
import org.apache.hadoop.mapreduce.RecordReader;
import org.apache.hadoop.mapreduce.TaskAttemptContext;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

import java.io.IOException;

/**
 *  自定义InputFormat
 */
public class CustomerInputFormate extends FileInputFormat<Text,BytesWritable> {

    /**
     *  新建自定义的RecordReader
     * @param inputSplit
     * @param taskAttemptContext
     * @return
     * @throws IOException
     * @throws InterruptedException
     */
    public RecordReader<Text, BytesWritable> createRecordReader(InputSplit inputSplit, TaskAttemptContext taskAttemptContext) throws IOException, InterruptedException {
        CustomerRecordReader reader = new CustomerRecordReader();
        reader.initialize(inputSplit,taskAttemptContext );
        return reader;
    }

    /**
     *  设置为不可分割
     * @param context
     * @param filename
     * @return
     */
    @Override
    protected boolean isSplitable(JobContext context, Path filename) {
        return false;
    }
}

CustomerRecordReader 自定义RecordReader
package com.xing.MapReduce.InputFormatSequenceFile;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.BytesWritable;
import org.apache.hadoop.io.IOUtils;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.InputSplit;
import org.apache.hadoop.mapreduce.RecordReader;
import org.apache.hadoop.mapreduce.TaskAttemptContext;
import org.apache.hadoop.mapreduce.lib.input.FileSplit;

import java.io.IOException;

/**
 *  自定义RecordReader
 */
public class CustomerRecordReader extends RecordReader<Text, BytesWritable> {

    // 分片信息
    FileSplit split;
    Configuration configuration;
    Text k = new Text();
    BytesWritable v = new BytesWritable();
    boolean isProgress = true;

    //初始化方法
    public void initialize(InputSplit inputSplit, TaskAttemptContext taskAttemptContext) throws IOException, InterruptedException {
        this.split = (FileSplit) inputSplit;
        this.configuration = taskAttemptContext.getConfiguration();
    }

    //核心业务处理(对key和value的封装)
    public boolean nextKeyValue() throws IOException, InterruptedException {
        if (isProgress){
            //1. 获取fs
            Path path = split.getPath();
            System.out.println("@@@@@@@@@@@@@@@@"+split.getLength());
            System.out.println("$$$$$$$$$$$$$$$$"+split);
            FileSystem fileSystem = path.getFileSystem(configuration);
            //2. 获取输入流
            FSDataInputStream fis = fileSystem.open(path);

            //3. 拷贝
            byte[] bytes = new byte[(int) split.getLength()];
            IOUtils.readFully(fis, bytes,0 ,bytes.length);

            //4. 填充k-v
            v.set(bytes,0 ,bytes.length);
            k.set(path.toString());

            //5. 收尾
            IOUtils.closeStream(fis);
            isProgress = false;
            return true;
        }
        return false;
    }

    // 获取kay值
    public Text getCurrentKey() throws IOException, InterruptedException {

        return k;
    }

    // 获取value值
    public BytesWritable getCurrentValue() throws IOException, InterruptedException {
        return v;
    }

    public float getProgress() throws IOException, InterruptedException {
        return 0;
    }

    public void close() throws IOException {

    }
}

SequenceFileMapper
package com.xing.MapReduce.InputFormatSequenceFile;

import org.apache.hadoop.io.BytesWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

public class SequenceFileMapper extends Mapper<Text,BytesWritable,Text,BytesWritable> {

    @Override
    protected void map(Text key, BytesWritable value, Context context) throws IOException, InterruptedException {
        // 直接输出 这里的key就是文件路径信息 value就是文本内容
        context.write(key,value );
    }

}

SequenceFileReducer
package com.xing.MapReduce.InputFormatSequenceFile;

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

import java.io.IOException;

public class SequenceFileReducer extends Reducer<Text,BytesWritable,Text,BytesWritable> {
    @Override
    protected void reduce(Text key, Iterable<BytesWritable> values, Context context) throws IOException, InterruptedException {
        // 就是简单的输出内容
        for (BytesWritable value : values) {
            context.write(key,value);
        }
    }
}

SequenceFileDriver
package com.xing.MapReduce.InputFormatSequenceFile;


import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.BytesWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.SequenceFileOutputFormat;

import java.io.IOException;

public class SequenceFileDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        // 获取configuration和FileSystem
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(configuration);
        // 设置job的名字和jar包
        Job job = Job.getInstance(configuration);
        job.setJobName("SequenceFileDriver");
        job.setJarByClass(SequenceFileDriver.class);

        // 设置job的mapper和reduce的处理类名
        job.setMapperClass(SequenceFileMapper.class);
        job.setReducerClass(SequenceFileReducer.class);

        // 设置输入类型和输出类型
        job.setInputFormatClass(CustomerInputFormate.class);
        job.setOutputFormatClass(SequenceFileOutputFormat.class);
        // 设置输出的key和输出的value类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(BytesWritable.class);

        // 判断输出地址是否存在
        if (fs.exists(new Path("E:\\hdfs\\output1"))){
            fs.delete(new Path("E:\\hdfs\\output1"),true );
        }
        // 设置输入和输出的文件路径
        FileInputFormat.setInputPaths(job,new Path("E:\\hdfs\\input"));
        FileOutputFormat.setOutputPath(job,new Path("E:\\hdfs\\output1"));
        // 返回结果
        boolean b = job.waitForCompletion(true);
        System.exit(b ? 0 : -1);
    }
}
输入和输出

输入:
在这里插入图片描述
输出:

在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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