Hadoop MultipleOutputs如何輸出到多個(gè)文件中

這篇文章主要介紹Hadoop MultipleOutputs如何輸出到多個(gè)文件中，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

 Hadoop MultipleOutputs輸出到多個(gè)文件中的實(shí)現(xiàn)方法

1.輸出到多個(gè)文件或多個(gè)文件夾：

驅(qū)動(dòng)中不需要額外改變，只需要在MapClass或Reduce類中加入如下代碼

private MultipleOutputs<Text,IntWritable> mos;
public void setup(Context context) throws IOException,InterruptedException {
　　mos = new MultipleOutputs(context);
}
public void cleanup(Context context) throws IOException,InterruptedException {
　　mos.close();
}

　　然后就可以用mos.write(Key key,Value value,String baseOutputPath)代替context.write(key, value);

　　在MapClass或Reduce中使用，輸出時(shí)也會(huì)有默認(rèn)的文件part-m-00*或part-r-00*，不過(guò)這些文件是無(wú)內(nèi)容的，大小為0. 而且只有part-m-00*會(huì)傳給Reduce。

注意：multipleOutputs.write(key, value, baseOutputPath)方法的第三個(gè)函數(shù)表明了該輸出所在的目錄（相對(duì)于用戶指定的輸出目錄）。

如果baseOutputPath不包含文件分隔符“/”，那么輸出的文件格式為baseOutputPath-r-nnnnn（name-r-nnnnn)；
如果包含文件分隔符“/”，例如baseOutputPath=“029070-99999/1901/part”，那么輸出文件則為029070-99999/1901/part-r-nnnnn

2.案例-需求

需求，下面是有些測(cè)試數(shù)據(jù)，要對(duì)這些數(shù)據(jù)按類目輸出到output中：

1512,iphone5s,4英寸,指紋識(shí)別,A7處理器,64位,M7協(xié)處理器,低功耗

1512,iphone5,4英寸,A6處理器,IOS7

1512,iphone4s,3.5英寸,A5處理器,雙核,經(jīng)典

50019780,ipad,9.7英寸,retina屏幕,豐富的應(yīng)用

50019780,yoga,聯(lián)想,待機(jī)18小時(shí),外形獨(dú)特

50019780,nexus 7,華碩&google,7英寸

50019780,ipad mini 2,retina顯示屏,蘋果,7.9英寸

1101,macbook air,蘋果超薄,OS X mavericks

1101,macbook pro,蘋果,OS X lion

1101,thinkpad yoga,聯(lián)想,windows 8,超級(jí)本

3.Mapper程序：

package cn.edu.bjut.multioutput;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class MultiOutPutMapper extends Mapper<LongWritable, Text, IntWritable, Text> {

  @Override
  protected void map(LongWritable key, Text value, Context context)
      throws IOException, InterruptedException {
    String line = value.toString().trim();
    if(null != line && 0 != line.length()) {
      String[] arr = line.split(",");
      context.write(new IntWritable(Integer.parseInt(arr[0])), value);
    }
  }

}

4.Reducer程序：

package cn.edu.bjut.multioutput;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.output.MultipleOutputs;

public class MultiOutPutReducer extends
    Reducer<IntWritable, Text, NullWritable, Text> {

  private MultipleOutputs<NullWritable, Text> multipleOutputs = null;

  @Override
  protected void reduce(IntWritable key, Iterable<Text> values, Context context)
      throws IOException, InterruptedException {
    for(Text text : values) {
      multipleOutputs.write("KeySpilt", NullWritable.get(), text, key.toString()+"/");
      multipleOutputs.write("AllPart", NullWritable.get(), text);
    }
  }

  @Override
  protected void setup(Context context)
      throws IOException, InterruptedException {
    multipleOutputs = new MultipleOutputs<NullWritable, Text>(context);
  }

  @Override
  protected void cleanup(Context context)
      throws IOException, InterruptedException {
    if(null != multipleOutputs) {
      multipleOutputs.close();
      multipleOutputs = null;
    }
  }


}

5.主程序：

package cn.edu.bjut.multioutput;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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 org.apache.hadoop.mapreduce.lib.output.MultipleOutputs;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;

public class MainJob {
  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = new Job(conf, "aaa");
    job.setJarByClass(MainJob.class);

    job.setMapperClass(MultiOutPutMapper.class);
    job.setMapOutputKeyClass(IntWritable.class);
    job.setMapOutputValueClass(Text.class);

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

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

    MultipleOutputs.addNamedOutput(job, "KeySpilt", TextOutputFormat.class, NullWritable.class, Text.class);
    MultipleOutputs.addNamedOutput(job, "AllPart", TextOutputFormat.class, NullWritable.class, Text.class);

    Path outPath = new Path(args[1]);
    FileSystem fs = FileSystem.get(conf);
    if(fs.exists(outPath)) {
      fs.delete(outPath, true);
    }
    FileOutputFormat.setOutputPath(job, outPath);

    job.waitForCompletion(true);
  }
}

以上是“Hadoop MultipleOutputs如何輸出到多個(gè)文件中”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對(duì)大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！