hadoop 指定 key value分隔符

原文：http://wingmzy.iteye.com/blog/1260570

hadoop中的map-reduce是处理<key,value>这样的键值对，故指定<key,value>的分割符等参数可以分成三类：

map输出时分割符

分桶时的分隔符

reduce输出时的分割符

下面分别叙述：

1. map输出时分割符

参数：

stream.map.output.field.separator

作用：

指定map输出时的分割符

stream.num.map.output.key.fields

指定输出按照分隔符切割后，key所占有的列数

举例：

input数据：

2,2,c,c,c,c

参数配置：

-mapper "cat" # map 为分布式的cat命令

-reducer ""  #reduce为空 /

-jobconf stream.map.output.field.separator=','  /

-jobconf stream.num.map.output.key.fields=2 /

即按照','逗号分隔后，去前2列作为key

output数据：

2,2     c,c,c,c  #其中key为2,2  value为c,c,c,c

2. 分桶时的分隔符

map.output.key.field.separator

指定map输出<key,value>对之后，其中key内部的分割符

num.key.fields.for.partition

指定分桶时，按照分隔符切割后，用于分桶key所占的列数

举例：

map的output数据：

2,2     c,c,c,c

参数配置： 
-jobconf map.output.key.field.separator=',' / 
-jobconf num.key.fields.for.partition='1'   / 
-partitioner org.apache.hadoop.mapred.lib.KeyFieldBasedPartitioner /

output数据：

这样用于partition分桶的key就为：2

注意，这里分桶不应该用默认的HashPartitioner

3. reduce输出时的分割符

这个与map类似，分别用于reduce输出时分隔符以及key占有的列数

stream.reduce.output.field.separator

stream.num.reduce.output.key.fields

也可以通过代码实现，如下

mapreduce 默认情况下 key/value 分隔符为：“\t”
测试的输出如下：

我们可以在代码中进行设置来自定义 key/value 输出分隔符：在代码中添加如下一行代码：

conf.set("mapred.textoutputformat.separator", ";"); //此处以”；“作为分割符，后边介绍为什么这么修改

修改代码后，测试修改结果：

 

 

修改原因：
我们checkout   hadoop-1.2.1版本
打开文件：TextOutputFormat.java

 

 

我们可以看到如下一行代码：
    String keyValueSeparator= conf.get("mapred.textoutputformat.separator",
                                       "\t");
   代码的意思是：读取设置的key/value输出分隔符，如果没有读取到，默认使用 "\t"
   所以我们就在任务执行前设置名称为：mapred.textoutputformat.separator 的自定义值 即可