大家好,又见面了,我是全栈君,今天给大家准备了Idea注册码。
在前面的示例,输出文件名是默认:
_logs part-r-00001 part-r-00003 part-r-00005 part-r-00007 part-r-00009 part-r-00011 part-r-00013 _SUCCESS part-r-00000 part-r-00002 part-r-00004 part-r-00006 part-r-00008 part-r-00010 part-r-00012 part-r-00014
part-r-0000N
另一个_SUCCESS文件标志job执行成功。
另一个文件夹_logs。
可是实际情况中,我们有时候须要依据情况定制我的输出文件名称。
比方我要依据did的值分组,产生不同的输出文件。全部did出现次数在[0, 2)的都输出到a文件里。在[2, 4)的输出大b文件。其它输出到c文件。
这里涉及到的输出类是MultipleOutputs类。
以下是介绍怎样实现。
首先有一个小优化,为了避免每次执行时输入一长串命令,利用maven exec plugin,參考pom.xml配置例如以下:
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd"> <modelVersion>4.0.0</modelVersion> <groupId>org.freebird</groupId> <artifactId>mr1_example2</artifactId> <packaging>jar</packaging> <version>1.0-SNAPSHOT</version> <name>mr1_example2</name> <url>http://maven.apache.org</url> <dependencies> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-core</artifactId> <version>1.2.1</version> </dependency> </dependencies> <build> <plugins> <plugin> <groupId>org.codehaus.mojo</groupId> <artifactId>exec-maven-plugin</artifactId> <version>1.3.2</version> <executions> <execution> <goals> <goal>exec</goal> </goals> </execution> </executions> <configuration> <executable>hadoop</executable> <arguments> <argument>jar</argument> <argument>target/mr1_example2-1.0-SNAPSHOT.jar</argument> <argument>org.freebird.LogJob</argument> <argument>/user/chenshu/share/logs</argument> <argument>/user/chenshu/share/output12</argument> </arguments> </configuration> </plugin> </plugins> </build> </project>
这样每次mvn clean package之后,执行mvn exec:exec命令就可以。
然后在LogJob.java文件加入几行代码:
package org.freebird; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.fs.Path; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.freebird.reducer.LogReducer; import org.freebird.mapper.LogMapper; import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; import org.apache.hadoop.mapreduce.lib.output.MultipleOutputs; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; public class LogJob { public static void main(String[] args) throws Exception { System.out.println("args[0]:" + args[0]); System.out.println("args[1]:" + args[1]); Configuration conf = new Configuration(); Job job = new Job(conf, "sum_did_from_log_file"); job.setJarByClass(LogJob.class); job.setMapperClass(org.freebird.mapper.LogMapper.class); job.setReducerClass(org.freebird.reducer.LogReducer.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); MultipleOutputs.addNamedOutput(job, "a", TextOutputFormat.class, Text.class, IntWritable.class); MultipleOutputs.addNamedOutput(job, "b", TextOutputFormat.class, Text.class, Text.class); MultipleOutputs.addNamedOutput(job, "c", TextOutputFormat.class, Text.class, Text.class); FileInputFormat.addInputPath(job, new Path(args[0])); FileOutputFormat.setOutputPath(job, new Path(args[1])); System.exit(job.waitForCompletion(true) ? 0 : 1); } }
MultipleOutputs.addNamedOutput 函数被调用了三次,设置了文件名称为a,b和c。最后两个參数各自是output key和output value类型。应该和job.setOutputKeyClass以及job.setOutputValueClass保持一致。
最后改动reducer类的代码:
public class LogReducer extends Reducer<Text, IntWritable, Text, IntWritable> { private IntWritable result = new IntWritable(); private MultipleOutputs outputs; @Override public void setup(Context context) throws IOException, InterruptedException { System.out.println("enter LogReducer:::setup method"); outputs = new MultipleOutputs(context); } @Override public void cleanup(Context context) throws IOException, InterruptedException { System.out.println("enter LogReducer:::cleanup method"); outputs.close(); } public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { System.out.println("enter LogReducer::reduce method"); int sum = 0; for (IntWritable val : values) { sum += val.get(); } result.set(sum); System.out.println("key: " + key.toString() + " sum: " + sum); if ((sum < 2) && (sum >= 0)) { outputs.write("a", key, sum); } else if (sum < 4) { outputs.write("b", key, sum); } else { outputs.write("c", key, sum); } } }
依据同样key(did)sum的结果大小,写入到不同的文件里。执行后观察一下结果:
[chenshu@hadoopMaster output12]$ ls a-r-00000 a-r-00004 a-r-00008 a-r-00012 b-r-00001 b-r-00005 b-r-00009 b-r-00013 c-r-00002 c-r-00006 c-r-00010 c-r-00014 part-r-00002 part-r-00006 part-r-00010 part-r-00014 a-r-00001 a-r-00005 a-r-00009 a-r-00013 b-r-00002 b-r-00006 b-r-00010 b-r-00014 c-r-00003 c-r-00007 c-r-00011 _logs part-r-00003 part-r-00007 part-r-00011 _SUCCESS a-r-00002 a-r-00006 a-r-00010 a-r-00014 b-r-00003 b-r-00007 b-r-00011 c-r-00000 c-r-00004 c-r-00008 c-r-00012 part-r-00000 part-r-00004 part-r-00008 part-r-00012 a-r-00003 a-r-00007 a-r-00011 b-r-00000 b-r-00004 b-r-00008 b-r-00012 c-r-00001 c-r-00005 c-r-00009 c-r-00013 part-r-00001 part-r-00005 part-r-00009 part-r-00013
打开随意的a,b和c开头的文件,查看值果然是如此
5371700bc7b2231db03afeb0 6 5371700cc7b2231db03afec0 7 5371701cc7b2231db03aff8d 6 5371709dc7b2231db03b0136 6 537170a0c7b2231db03b01ac 6 537170a6c7b2231db03b01fc 6 537170a8c7b2231db03b0217 6 537170b3c7b2231db03b0268 6 53719aa9c7b2231db03b0721 6 53719ad0c7b2231db03b0731 4
使用MultipleOutputs依据sum值对设备ID进行分组成功了。
MapReduce仍然会默认生使part….档,不要紧,它们是空文件。
版权声明:本文博主原创文章,博客,未经同意不得转载。
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/116998.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...