大数据学习(十三)mapreduce自定义输出 outputformat

简介

上一篇我分享了关于自定义输入的文章，下面我再来看这样一个问题。
这是原始数据

现在我们想通过得到，两个文件，一个文件里面是bigdata的news，另一个文件时其他的news。
通过自定义输出就可以做到。

代码部分

首先目录结构：

mapperClass

package costomOutputFormat;

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;

/**
 * @Author: Braylon
 * @Date: 2020/1/29 11:48
 * @Version: 1.0
 */
public class mapperClass extends Mapper<LongWritable, Text, Text, NullWritable> {
    Text k = new Text();

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String s = value.toString();
        k.set(s);

        context.write(k, NullWritable.get());
    }
}

这里很简单的逻辑，只是把每一行的内容当作key然后输送到下一个阶段。

reduceClass

package costomOutputFormat;

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

import java.io.IOException;

/**
 * @Author: Braylon
 * @Date: 2020/1/29 11:52
 * @Version: 1.0
 */
public class reducerClass extends Reducer<Text, NullWritable, Text, NullWritable> {
    @Override
    protected void reduce(Text key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException {
        String s = key.toString();
        s = s + "\r\n";

        context.write(new Text(s), NullWritable.get());
    }
}

这里增加了一个分行操作。其他的同样没有什么好说的。都很简单到目前为止。

costomOutputFormat：
如果看过我上一篇分享的就会有印象，我们通过继承FileinputFormat类来实现了自定义输入，这里同理，

package costomOutputFormat;

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;

/**
 * @Author: Braylon
 * @Date: 2020/1/29 11:54
 * @Version: 1.0
 */
public class costomOutputFormat extends FileOutputFormat<Text, NullWritable> {
    @Override
    public RecordWriter<Text, NullWritable> getRecordWriter(TaskAttemptContext taskAttemptContext) throws IOException, InterruptedException {
        return new costomRecordWriter(taskAttemptContext);
    }
}

然后发现终于找到了关键，就是costomRecordWriter，这是我们自己自定义的类，而继承了RecordWriter类，看到没有，终于找到了它。就像自定义输入时的recordReader一样，我们主要的逻辑都将在这个类中实现。

costomRecordWriter：

package costomOutputFormat;

import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
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;

/**
 * @Author: Braylon
 * @Date: 2020/1/29 11:56
 * @Version: 1.0
 */
public class costomRecordWriter extends RecordWriter<Text, NullWritable> {
    FSDataOutputStream bigdata = null;
    FSDataOutputStream other = null;

    public costomRecordWriter(TaskAttemptContext context) {
        FileSystem fs;

        try {
            fs = FileSystem.get(context.getConfiguration());
            Path path1 = new Path("D:\\idea\\HDFS\\src\\main\\java\\costomOutputFormat\\data\\out1");
            Path path2 = new Path("D:\\idea\\HDFS\\src\\main\\java\\costomOutputFormat\\data\\out2");

            bigdata = fs.create(path1);
            other = fs.create(path2);

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

    @Override
    public void write(Text text, NullWritable nullWritable) throws IOException, InterruptedException {
        //判断是否包含目标字符
        if (text.toString().contains("bigdata")) {
            bigdata.write(text.toString().getBytes());
        } else {
            other.write(text.toString().getBytes());
        }
    }

    @Override
    public void close(TaskAttemptContext taskAttemptContext) throws IOException, InterruptedException {
        if (bigdata != null) {
            bigdata.close();
        }
        if (other != null) {
            other.close();
        }
    }
}

知识点

1. 构造函数传递context，用于配置环境变量。

2. 重写write方法，判断是否包含目标字符，分别写入不同的文件。

3. 注意close方法，这里由于原来我没有分享过这种形式，一般我们都会写在fis.write的后面，所以有的人对这样写有些陌生，作用就是关闭输入流。逻辑还是很好理解的。

driver类：

package costomOutputFormat;


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;

/**
 * @Author: Braylon
 * @Date: 2020/1/29 12:06
 * @Version: 1.0
 */
public class driver {
    public static void main(String[] args) throws IOException {
        args = new String[]{"D:\\idea\\HDFS\\src\\main\\java\\costomOutputFormat\\data\\1.txt", "D:\\idea\\HDFS\\src\\main\\java\\costomOutputFormat\\out"};
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        job.setJarByClass(driver.class);
        job.setMapperClass(mapperClass.class);
        job.setReducerClass(reducerClass.class);

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

        job.setOutputFormatClass(costomOutputFormat.class);

        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        /*虽然定义了outputformat，但是由于Costom类继承于FileOutputFormat
        * 所以仍然要输出一个success文件，由此，指定输出目录*/
        try {
            job.waitForCompletion(true);
            System.out.println("done");
        } catch (InterruptedException e) {
            e.printStackTrace();
        } catch (ClassNotFoundException e) {
            e.printStackTrace();
        }
    }
}

这里没什么新东西了。

大家注意身体，也别给国家添乱。
武汉加油
大家共勉~~