InputFormat是MapReduce中一个很常用的概念,它在程序的运行中到底起到了什么作用呢?
InputFormat其实是一个接口,包含了两个方法:
public interface InputFormat<K, V> {
  InputSplit[] getSplits(JobConf job, int numSplits) throws IOException;
  RecordReader<K, V> getRecordReader(InputSplit split,
                                     JobConf job,
                                     Reporter reporter) throws IOException;
}
这两个方法有分别完成着以下工作:
      方法getSplits将输入数据切分成splits,splits的个数即为map tasks的个数,splits的大小默认为块大小,即64M
     方法getSplits将每个split解析成records, 再依次将record解析成<K,V>对

也就是说InputFormat完成以下工作:

 InputFile --> splits --> <K,V>
 
系统常用的 InputFormat 又有哪些呢?
                      
其中TextInputFormat便是最常用的,它的<K,V>就代表<行偏移,该行内容>
 
然而系统所提供的这几种固定的将 InputFile转换为<K,V>的方式有时候并不能满足我们的需求:
此时需要我们自定义 InputFormat ,从而使Hadoop框架按照我们预设的方式来将
InputFile解析为<K,V>
在领会自定义 InputFormat 之前,需要弄懂一下几个抽象类、接口及其之间的关系:
 
InputFormat(interface), FileInputFormat(abstract class), TextInputFormat(class),

RecordReader(interface), LineRecordReader(class)的关系
     FileInputFormat implements InputFormat
     TextInputFormat extends FileInputFormat
     TextInputFormat.getRecordReader calls LineRecordReader
     LineRecordReader implements RecordReader
 
对于InputFormat接口,上面已经有详细的描述
再看看FileInputFormat,它实现了InputFormat接口中的getSplits方法,而将getRecordReader与isSplitable留给具体类(如TextInputFormat)实现,isSplitable方法通常不用修改,所以只需要在自定义的InputFormat中实现
getRecordReader方法即可,而该方法的核心是调用LineRecordReader(即由LineRecorderReader类来实现 "将每个split解析成records, 再依次将record解析成<K,V>对"),该方法实现了接口RecordReader
 
  public interface RecordReader<K, V> {

boolean next(K key, V value) throws IOException;
  K createKey();
  V createValue();
  long getPos() throws IOException;
  public void close() throws IOException;
  float getProgress() throws IOException;
}

 
     因此自定义InputFormat的核心是自定义一个实现接口RecordReader类似于LineRecordReader的类,该类的核心也正是重写接口RecordReader中的几大方法,
     定义一个InputFormat的核心是定义一个类似于LineRecordReader的,自己的RecordReader
     示例,数据每一行为 “物体,x坐标,y坐标,z坐标”
   ball 3.5,12.7,9.0
   car 15,23.76,42.23
   device 0.0,12.4,-67.1
每一行将要被解析为<Text, Point3D>(Point3D是我们在上一篇日志中自定义的数据类型)
 
方式一,自定义的RecordReader使用中LineRecordReader,
 

  public class ObjectPositionInputFormat extends
     FileInputFormat<Text, Point3D> {

   public RecordReader<Text, Point3D> getRecordReader(
       InputSplit input, JobConf job, Reporter reporter)
       throws IOException {

     reporter.setStatus(input.toString());
     return new ObjPosRecordReader(job, (FileSplit)input);
   }
 }
 class ObjPosRecordReader implements RecordReader<Text, Point3D> {
   private LineRecordReader lineReader;
   private LongWritable lineKey;
   private Text lineValue;

   public ObjPosRecordReader(JobConf job, FileSplit split) throws IOException {
     lineReader = new LineRecordReader(job, split);

     lineKey = lineReader.createKey();
     lineValue = lineReader.createValue();
   }

   public boolean next(Text key, Point3D value) throws IOException {
     // get the next line
     if (!lineReader.next(lineKey, lineValue)) {
       return false;
     }

     // parse the lineValue which is in the format:
     // objName, x, y, z
     String [] pieces = lineValue.toString().split(",");
     if (pieces.length != 4) {
       throw new IOException("Invalid record received");
     }

     // try to parse floating point components of value
     float fx, fy, fz;
     try {
       fx = Float.parseFloat(pieces[1].trim());
       fy = Float.parseFloat(pieces[2].trim());
       fz = Float.parseFloat(pieces[3].trim());
     } catch (NumberFormatException nfe) {
       throw new IOException("Error parsing floating point value in record");
     }
    // now that we know we'll succeed, overwrite the output objects
     key.set(pieces[0].trim()); // objName is the output key.
     value.x = fx;
     value.y = fy;
     value.z = fz;
     return true;
   }
   public Text createKey() {
     return new Text("");
   }
   public Point3D createValue() {
     return new Point3D();
   }
   public long getPos() throws IOException {
     return lineReader.getPos();
   }
   public void close() throws IOException {
     lineReader.close();
   }
 public float getProgress() throws IOException {
     return lineReader.getProgress();
   }
 }
 
方式二:自定义的RecordReader中使用LineReader,
 public class ObjectPositionInputFormat extends FileInputFormat<Text, Point3D> {
     @Override
     protected boolean isSplitable(JobContext context, Path filename) {
         // TODO Auto-generated method stub
         return false;
     }
     @Override
     public RecordReader<Text, Point3D> createRecordReader(InputSplit inputsplit,
             TaskAttemptContext context) throws IOException, InterruptedException {
         // TODO Auto-generated method stub
         return new objPosRecordReader();
     }
     public static class objPosRecordReader extends RecordReader<Text,Point3D>{

         public LineReader in;
         public Text lineKey;
         public Point3D lineValue;
         public StringTokenizer token=null;
         public Text line;
         @Override
         public void close() throws IOException {
             // TODO Auto-generated method stub
         }
      @Override
         public Text getCurrentKey() throws IOException, InterruptedException {
             // TODO Auto-generated method stub
             System.out.println("key");
             //lineKey.set(token.nextToken());
             System.out.println("hello");
             return lineKey;
         }
         @Override
         public Point3D getCurrentValue() throws IOException,
                 InterruptedException {
             // TODO Auto-generated method stub
             return lineValue;
         }
         @Override
         public float getProgress() throws IOException, InterruptedException {
             // TODO Auto-generated method stub
             return 0;
         }
         @Override
         public void initialize(InputSplit input, TaskAttemptContext context)
                 throws IOException, InterruptedException {
             // TODO Auto-generated method stub
             FileSplit split=(FileSplit)input;
             Configuration job=context.getConfiguration();
             Path file=split.getPath();
             FileSystem fs=file.getFileSystem(job);

             FSDataInputStream filein=fs.open(file);
             in=new LineReader(filein,job);

             line=new Text();
             lineKey=new Text();
             lineValue=new Point3D();
         }
         @Override
         public boolean nextKeyValue() throws IOException, InterruptedException {
             // TODO Auto-generated method stub
             int linesize=in.readLine(line);
             if(linesize==0)
                 return false;
                token=new StringTokenizer(line.toString());
             String []temp=new String[2];
             if(token.hasMoreElements()){
                 temp[0]=token.nextToken();
                 if(token.hasMoreElements()){
                     temp[1]=token.nextToken();
                 }
             }
             System.out.println(temp[0]);
             System.out.println(temp[1]);
             String []points=temp[1].split(",");
             System.out.println(points[0]);
             System.out.println(points[1]);
             System.out.println(points[2]);
             lineKey.set(temp[0]);
             lineValue.set(Float.parseFloat(points[0]),Float.parseFloat(points[1]), Float.parseFloat(points[2]));
             System.out.println("pp");
             return true;
         }
     }
 }
 
     从以上可以看出,自定义一个InputFormat的核心是定义一个类似于LineRecordReader的,自己的RecordReader,而在其中可能会到LineReader/LineRecordReader/KeyValueLineRecordReader类
     因此,要自定义InputFormat,这三个类的源码就必须很熟悉~  

mapreduce: InputFormat详解 -- RecordReader篇的更多相关文章

  1. mapreduce框架详解

    hadoop 学习笔记:mapreduce框架详解 开始聊mapreduce,mapreduce是hadoop的计算框架,我学hadoop是从hive开始入手,再到hdfs,当我学习hdfs时候,就感 ...

  2. 微信授权步骤与详解 -- c#篇

    微信授权步骤与详解 -- c#篇 注:这里不涉及界面操作,只介绍代码操作. 1.基本原理如下: 从图上所知,第一步用户访问我们的网页,第二步我们后台跳转到微信授权页面,第三步用户点击授权,第四步微信重 ...

  3. bt协议详解 DHT篇(下)

    bt协议详解 DHT篇(下) 最近开发了一个免费教程的网站,产生了仔细了解bt协议的想法,这篇文章是bt协议详解系列的第三篇,后续还会写一些关于搜索和索引的东西,都是在开发这个网站的过程中学习到的技术 ...

  4. bt协议详解 DHT篇(上)

    bt协议详解 DHT篇(上) 最近开发了一个免费教程的网站,突然产生了仔细了解bt协议的想法,这篇文章是bt协议详解系列的第三篇,后续还会写一些关于搜索和索引的东西,都是在开发这个网站的过程中学习到的 ...

  5. IIS负载均衡-Application Request Route详解第二篇:创建与配置Server Farm(转载)

    IIS负载均衡-Application Request Route详解第二篇:创建与配置Server Farm 自从本系列发布之后,收到了很多的朋友的回复!非常感谢,同时很多朋友问到了一些问题,有些问 ...

  6. IIS负载均衡-Application Request Route详解第一篇: ARR介绍(转载)

    IIS负载均衡-Application Request Route详解第一篇: ARR介绍 说到负载均衡,相信大家已经不再陌生了,本系列主要介绍在IIS中可以采用的负载均衡的软件:微软的Applica ...

  7. [转帖]前端-chromeF12 谷歌开发者工具详解 Network篇

    前端-chromeF12 谷歌开发者工具详解 Network篇 https://blog.csdn.net/qq_39892932/article/details/82493922 blog 也是原作 ...

  8. [转帖]前端-chromeF12 谷歌开发者工具详解 Sources篇

    前端-chromeF12 谷歌开发者工具详解 Sources篇 原贴地址:https://blog.csdn.net/qq_39892932/article/details/82498748 cons ...

  9. [转帖]前端-chromeF12 谷歌开发者工具详解 Console篇

    前端-chromeF12 谷歌开发者工具详解 Console篇 https://blog.csdn.net/qq_39892932/article/details/82655866 趁着搞 cloud ...

随机推荐

  1. 第46条:for-each循环优先于传统的for循环

    for-each循环通过完全隐藏迭代器或者索引变量,避免混乱和出错的可能,适用于集合和数组和任何实现Iterable接口的对象. 使用传统for循环,容易出错: enum Face { ONE, TW ...

  2. PHP学习笔记——PHP脚本和JAVA连接mysql数据库

    环境 开发包:appserv-win32-2.5.10 服务器:Apache2.2 数据库:phpMyAdmin 语言:php5,java 平台:windows 10 java驱动:mysql-con ...

  3. bat文件的妙用1-一键开启所有开发软件

    每天早上来的第一件事情,就是打开电脑,然后开一堆的软件 1.wamp 开发环境 2.钉钉   通讯工具 3.PHPstrom 开发工具 4.nodejs.bat Nodejs的扩展(node D:/w ...

  4. 在Mac OS X中使用VIM开发STM32(1)

       本文原创于http://www.cnblogs.com/humaoxiao,非法转载者请自重!     在我先前的博文⎣在Mac OS X中搭建STM32开发环境⎤中,我们在Mac中DIY出了最 ...

  5. PHP之session_start()详解

    1.session的工作原理 (1)首先使用session_start()函数进行初始换 (2)当执行PHP脚本时,通过使用$_SESSION超全局变量注册session变量. (3)当PHP脚本执行 ...

  6. yii YII小部件 创建登录表单表单 Login表单

    YII框架必须遵循其表单的创建方法 登录模型错做与数据库操作模型是一致的,不同的是不跟数据库交互 ,用的是小部件,在创建表单之前,要在用户控制模块完成以下代码 protected --models - ...

  7. Java集合框架类图

    Java集合框架的类图 http://blog.toruneko.net/28

  8. 一个令人困惑的低效SQL

    整理之前的优化案例,觉得下面这个应该是开发很难发现也会很困惑的一个低效SQL. 看下面这个SQL.你看到这个SQL会不会感觉很正常.其实我刚看到也觉得正常得不得了.但是测试后它确实效率很低.selec ...

  9. spring IOC源码分析(2)

    refresh这个方法包含了整个BeanFactory初始化的过程,定位资源由obtainFreshBeanFactory()来完成, protected ConfigurableListableBe ...

  10. AES加密算法原理

    随着对称密码的发展,DES数据加密标准算法由于密钥长度较小(56位),已经不适应当今分布式开放网络对数据加密安全性的要求,因此1997年NIST公开征集新的数据加密标准,即AES[1].经过三轮的筛选 ...