hadoop多文件输出新旧API的方法是什么

本篇内容介绍了"hadoop多文件输出新旧API的方法是什么"的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

一般来说Map/Reduce都是输出一组文件，但是有些情况下需要我们输出多组文件，比如我上面提到的需求，接下来我用新旧API分别说明如何实现多文件输出

旧API：

MultipleTextOutputFormat 这个类很重要，我们其实只要写个类继承MultipleTextOutputFormat，并且重写generateFileNameForKeyValue(Object key, Object value, String name)方法就好了。因为MultipleTextOutputFormat中有个write方法，即将记录写到hdfs上，在这个方法中，会调用generateFileNameForKeyValue。废话不多说，上代码：

public class MultiFileOutputFormat extends MultipleTextOutputFormat{ @Override protected String generateFileNameForKeyValue(Object key, Object value,   String name) {  if(key instanceof OutputFileName){   return ((OutputFileName) key).getPath()+"/"+name;  }else{   return super.generateFileNameForKeyValue(key, value, name);  } }}

其中OutputFileName是我自己定义的枚举类，便于管理而已，这里也可以return一个路径，以下是OutputFileName的代码

public enum OutputFileName {    ERRORLOG("errorlog","logtype=errorlog"),    APIREQUEST("apiRequest","logtype=apiRequest"),    FIRSTINTOTIME("firstIntoTime","logtype=firstIntoTime"),    TABFLUSHTIME("tabFlushTime","logtype=tabFlushTime"),    PERFORMANCE("performance","logtype=performance"),    FILEREQUEST("fileRequest","logtype=fileRequest")；     private String name;    private String path;    private String tempPath;    private OutputFileName(String name,String path){        this.name = name;        this.path = path;    }    public String getName(){        return this.name;    }    public String getPath(){        if(!StringUtil.isEmpty(tempPath)){            String temp = this.tempPath;                 this.tempPath = null;                 return temp;        }else{            return this.path;        }    } }

如何使用MultiFileOutputFormat这个自己写的类呢？就这么用

//job所在类的main方法中   JobConf conf = new JobConf(config,XXX.class);conf.setOutputFormat(MultiFileOutputFormat.class); //map函数中 collector.collect(OutputFileName.ERRORLOG, new Text(log));

此示例做了以上 的操作就可以将数据写到logtype=errorlog目录下了，当然可以根据不同的日志去设置输出目录了

新API：

对于新的API，我没发现MultipleTextOutputFormat这个类，很头疼，我甚至看了源码，仿照旧API自己写了MultipleTextOutputFormat，这就需要做很多事情，必须写个集成RecordWriter的类，重写里面的方法，当时确实可以做到将数据写到不同的路径下，但是也有bug，数据很多的时候，路径下的数据只有一部分保留，做了一下测试，确实把所有的记录都写了，但却只是把最后写的一部分保留在设定好的路径下了，至今都没发现原因，这里就不给代码了，只能保留60多万行的记录

当然我还是有办法的，经过百般折磨，终于在网上找到相关资料，使用这个类MultipleOutputs，查查API，还真有，只不过是在org.apache.hadoop.mapreduce.lib.output包下，这个类相当于把旧的API东西又重新整理了一遍，我们不用再去写其他的类集成MultipleTextOutputFormat。具体使用方法看代码吧

public static class MapperClass extends Mapper {     private Text outkey = new Text("");    private MultipleOutputs mos;    public void map(Object key, Text value, Context context) throws IOException,InterruptedExceptio{        String log = value.toString();        outkey.set(log);         int begin = log.indexOf("@[#(");        if(begin != -1){            String logForSplit = log.substring(begin+"@".length());             String [] split = logForSplit.split("#");            if(split != null && split.length >0){                 String cType = split[0];                 if(!StringUtil.isEmpty(cType)){                     if("apiRequest".equals(cType)){                        mos.write("apiRequest", outkey, NullWritable.get());                    }else if("errlog".equals(cType)){                        mos.write("errorlog", outkey, NullWritable.get());                    }                 }             }          }         }      @Override      protected void cleanup(Context context) throws IOException,        InterruptedException {           mos.close();           super.cleanup(context);      }          @Override      protected void setup(Context context) throws IOException,        InterruptedException {           mos = new MultipleOutputs(context);           super.setup(context);      }}

public class TestJob {          public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {  Configuration conf = new Configuration();        Job job = new Job(conf, "ss");  job.setInputFormatClass(TrackInputFormat.class);  job.setOutputFormatClass(TextOutputFormat.class);  job.setJarByClass(TestJob.class);  job.setMapperClass(TestJob.MapperClass.class);  job.setNumReduceTasks(0);  job.setOutputKeyClass(Text.class);  job.setOutputValueClass(NullWritable.class);  if(inputPaths.length > 0){   Path[] paths = new Path[inputPaths.length];   for(int i = 0 ; i < inputPaths.length ; i++){    paths[i] = new Path(inputPaths[i]);   }   FileInputFormat.setInputPaths(job, paths);  }else{   FileInputFormat.setInputPaths(job, new Path(args[0]));  }    FileOutputFormat.setOutputPath(job, new Path(args[1]));  MultipleOutputs.addNamedOutput(job, "errorlog",    TextOutputFormat.class, Text.class, NullWritable.class);  MultipleOutputs.addNamedOutput(job, "apiRequest",    TextOutputFormat.class, Text.class, NullWritable.class);   } }

OK，这就可以了，总结一下需要注意的问题，首先在我们的map类中一定要定义MultipleOutputs的对象，并且重写cleanup和setup方法，分别用来关闭和创建MultipleOutputs对象，最重要的是在job所在的类中注册我们的文件名，比如errorlog，apiRequest等

上述的两个例子有点区别，第一个是将数据写到不同的目录下，而第二个是写到同一个目录下，但是会分成不同类型的文件，如我截取的记录

-rw-r--r-- 2 hadoop supergroup 10569073 2014-06-06 11:50 /test/aa/fileRequest-m-00063.lzo
-rw-r--r-- 2 hadoop supergroup 10512656 2014-06-06 11:50 /test/aa/fileRequest-m-00064.lzo
-rw-r--r-- 2 hadoop supergroup 68780 2014-06-06 11:51 /test/aa/firstIntoTime-m-00000.lzo
-rw-r--r-- 2 hadoop supergroup 67901 2014-06-06 11:51 /test/aa/firstIntoTime-m-00001.lzo

至于怎么样输出到不同的目录下，有待研究，这种方式有个不好的地方， 会产生很多的

-rw-r--r-- 2 hadoop supergroup 42 2014-06-06 11:50 /test/aa/part-m-00035.lzo 空文件

"hadoop多文件输出新旧API的方法是什么"的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！