文章目录
OutputFormat数据输出
OutputFormat是MapReduce输出的基类,所有实现MapReduce输出都实现了 OutputFormat接口。下面我们介绍几种常见的OutputFormat实现类。
1. 常见的OutputFormat实现类
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toString()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
,这便是一种好的输出格式,因为它的格式紧凑,很容易被压缩。
自定义OutputFormat
- 根据用户需求,自定义实现输出。
2. 自定义OutputFormat
2.1 自定义OutputFormat使用场景
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。例如:要在一个MapReduce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。
2.2 自定义OutputFormat步骤
- 自定义一个类继承FileOutputFormat。
改写RecordWriter,具体改写输出数据的方法write()
。
2.3 自定义OutputFormat案例实操
FilterMapper
/**
* @Date 2020/7/11 16:32
* @Version 10.21
* @Author DuanChaojie
*/
public class FilterMapper extends Mapper<LongWritable, Text,Text, NullWritable> {
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
context.write(value,NullWritable.get());
}
}
FilterReducer
public class FilterReducer extends Reducer<Text, NullWritable,Text,NullWritable> {
Text k = new Text();
@Override
protected void reduce(Text key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException {
String line = key.toString();
line = line + "\r\n";
k.set(line);
// 遍历values与不遍历有什么区别?
context.write(k,NullWritable.get());
}
}
FilterOutputFormat
public class FilterOutputFormat extends FileOutputFormat<Text, NullWritable> {
@Override
public RecordWriter<Text, NullWritable> getRecordWriter(TaskAttemptContext job) throws IOException, InterruptedException {
// 创建一个RecordWriter
return new FilterRecordWriter(job);
}
}
FilterRecordWriter☆
public class FilterRecordWriter extends RecordWriter<Text, NullWritable> {
FSDataOutputStream atguiguOut = null;
FSDataOutputStream otherOut = null;
public FilterRecordWriter(TaskAttemptContext job) {
// 1.获取文件系统
FileSystem fs;
try {
fs = FileSystem.get(job.getConfiguration());
// 2.创建输出文件路径
Path atguiguPath = new Path("E:/file/atguigu.log");
Path otherPath = new Path("E:/file/other.log");
// 3.创建输出流
atguiguOut = fs.create(atguiguPath);
otherOut = fs.create(otherPath);
} catch (IOException e) {
e.printStackTrace();
}
}
@Override
public void write(Text key, NullWritable value) throws IOException, InterruptedException {
// 判断是否包含“atguigu”输出到不同文件
if(key.toString().contains("atguigu")){
atguiguOut.write(key.toString().getBytes());
}else{
otherOut.write(key.toString().getBytes());
}
}
@Override
public void close(TaskAttemptContext context) throws IOException, InterruptedException {
IOUtils.closeStream(atguiguOut);
IOUtils.closeStream(otherOut);
}
}
FilterDriver
public class FilterDriver {
public static void main(String[] args) throws Exception {
// 输入输出路径需要根据自己电脑上实际的输入输出路径设置
args = new String[] { "E:\\file\\input\\outputFormat", "e:/file/output5" };
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);
job.setJarByClass(FilterDriver.class);
job.setMapperClass(FilterMapper.class);
job.setReducerClass(FilterReducer.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(NullWritable.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(NullWritable.class);
// 要将自定义的输出格式组件设置到job中
job.setOutputFormatClass(FilterOutputFormat.class);
FileInputFormat.setInputPaths(job, new Path(args[0]));
// 虽然我们自定义了outputformat,但是因为我们的outputformat继承自fileoutputformat
// 而fileoutputformat要输出一个_SUCCESS文件,所以,在这还得指定一个输出目录
FileOutputFormat.setOutputPath(job, new Path(args[1]));
boolean result = job.waitForCompletion(true);
System.exit(result ? 0 : 1);
}
}