自定义OutputFormat案例实操

---

案例需求和分析

过滤输入的log日志，包含atguigu的网站输出到e:/atguigu.log，不包含atguigu的网站输出到e:/other.log。
输入数据：

期望输出数据两个文件：

我们可以看到这里的需求跟分区差不多，可能会想到用Partition分区去做，但是不行，在Hadoop的MapReduce框架中，OutputFormat接口和Partitioner类在数据处理和结果输出方面扮演着不同的角色。尽管它们都与数据的最终输出位置有关，但它们的关注点和使用场景是不同的。

OutputFormat接口定义了如何将MapReduce作业的输出数据写入存储系统（如HDFS、本地文件系统、HBase等）。它负责数据的物理写入过程，包括文件格式的转换、数据的序列化等。
如果我们想把不同的输出结果输出到不同的文件中，我们可以自定义一个OutputFormat实现。在这个实现中，我们可以根据某些条件（如键的特定值或值的特定属性）将数据写入不同的文件。

Partitioner类用于在MapReduce作业中确定Reducer的分区。Mapper产生的每个键值对（key-value pair）都会通过Partitioner来确定它应该被发送到哪个Reducer进行处理。默认情况下，Hadoop使用HashPartitioner，它根据键的哈希值将键值对分配到不同的Reducer。
如果我们希望根据某些条件将数据分配到不同的Reducer，我们可以自定义一个Partitioner。例如，如果希望根据键的某个属性将数据分成几个逻辑组，并将每个组发送到不同的Reducer进行处理。这样，每个Reducer就可以独立地处理一组数据，并将结果输出到单独的文件（如果OutputFormat允许的话）。

代码和结果分析

package OutputFormat;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
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 java.io.IOException;

public class logDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        job.setJarByClass(logDriver.class);
        job.setMapperClass(logMapper.class);
        job.setReducerClass(logReducer.class);

        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(NullWritable.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(NullWritable.class);

        //设置自定义的outputformat
        job.setOutputFormatClass(logOutputFormat.class);

        FileInputFormat.setInputPaths(job, new Path("D:\\input"));
        //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("D:\\logoutput"));

        boolean b = job.waitForCompletion(true);
        System.exit(b ? 0 : 1);
    }
}

package OutputFormat;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;
public class logMapper  extends Mapper<LongWritable, Text,Text, NullWritable> {
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //不做任何处理,直接写出一行log数据
        context.write(value,NullWritable.get());
    }
}

package OutputFormat;

import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.RecordWriter;
import org.apache.hadoop.mapreduce.TaskAttemptContext;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;

public class logOutputFormat extends FileOutputFormat<Text, NullWritable> { //reduce输出的ky就到了OutputFormat
    @Override
    public RecordWriter<Text, NullWritable> getRecordWriter(TaskAttemptContext job) throws IOException, InterruptedException {
        logRecordWriter lrw=new logRecordWriter(job);
        return lrw;
    }
}

package OutputFormat;

import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.RecordWriter;
import org.apache.hadoop.mapreduce.TaskAttemptContext;

import java.io.IOException;

public class logRecordWriter extends RecordWriter<Text, NullWritable> {

    private  FSDataOutputStream atxiaoyuOut;
    private  FSDataOutputStream otherOut;

    public logRecordWriter(TaskAttemptContext job) {
        //创建两条流
        try {
            FileSystem fs = FileSystem.get(job.getConfiguration());
            atxiaoyuOut = fs.create(new Path("D:\\hadoop\\atxiaoyu.log"));
            otherOut = fs.create(new Path("D:\\hadoop\\other.log"));



        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    @Override
    public void write(Text key, NullWritable value) throws IOException, InterruptedException {

        //具体写
        String log = key.toString();
        if (log.contains("atxiaoyu")){
            atxiaoyuOut.writeBytes(log+"\n");
        }else {
            otherOut.writeBytes(log+"\n");
        }
    }

    @Override
    public void close(TaskAttemptContext context) throws IOException, InterruptedException {
        //关流
        IOUtils.closeStream(atxiaoyuOut);
        IOUtils.closeStream(otherOut);
    }
}

package OutputFormat;

import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;

public class logReducer extends Reducer<Text, NullWritable,Text, NullWritable> {
    @Override
    protected void reduce(Text key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException {
        // 防止有相同的数据,迭代写出
        for (NullWritable value : values) {
            context.write(key,NullWritable.get());
        }
    }
}

输出结果：

fileoutputformat输出的_SUCCESS文件：