hadoop多路径输入总结

2019独角兽企业重金招聘Python工程师标准>>>

问题导读

1.如何将本地多个输入文件合并到hadoop中的一个文件？
2.MapReduce多路径输入，文说了几种路径模式？






目前为止知道MapReduce有三种路径输入方式。
1、第一种是通过一下方式输入：
 

FileInputFormat.addInputPath(job, new Path(args[0]));
FileInputFormat.addInputPath(job, new Path(args[1]));
FileInputFormat.addInputPath(job, new Path(args[2]));
FileInputFormat.addInputPath(job, new Path(args[3]));

这种方式可以接收多个路径下的文件输入，但是这些文件都是通过一个Map进行处理

2、第二种是通过以下方式输入（第二个路径参数是通过,分割的多个路径）：
 

FileInputFormat.addInputPaths(job, args[0] + "," + args[1] + "," + args[2]);

这种方式跟第一种相似，看源码会发现，该方式是先将路径通过，分割成String[] paths数组形式，然后再循环调用第一种方式，而且他也是通过一个Map进行处理

3、第三种是通过以下方式输入：
 

MultipleInputs.addInputPath(job, new Path(args[0]), TextInputFormat.class,EmpMapper.class);
MultipleInputs.addInputPath(job, new Path(args[1]), TextInputFormat.class,EmpMapper.class);
MultipleInputs.addInputPath(job, new Path(args[2]), TextInputFormat.class,TestMapper.class);

这种方式是针对不同的输入文件，他们的格式可能不同，然后针对他们的格式编写相应的Map分别进行处理，这种方式更灵活些。






如何将多个输入文件合并到hadoop中的一个文件


在使用hadoop是，我们有时候需要将本地文件系统上的多个文件合并为hadoop文件系统上的一个文件，但是 hadoop文件系统本身的shell命令并不支持这样的功能，但是hadoop的put命令支持从标准输入读取数据，所以实现标题功能的hadoop命令如下：

cat localfile1 localfile2 | bin/hadoop fs -put /dev/fd/0 destfile  

转载于:https://my.oschina.net/iioschina/blog/787335