MapReduce之自定义OutputFormat

@

目录

• OutputFormat接口实现类
• 自定义OutputFormat使用场景及步骤
  • 使用场景
• 自定义OutputFormat 案例实操

OutputFormat接口实现类

OutputFormat是MapReduce输出的基类，所有实现MapReduce输出都实现了OutputFormat接口。下面介绍几种常见的OutputFormat实现类。

• 文本输出TextoutputFormat
  
  默认的输出格式是TextOutputFormat，它把每条记录写为文本行。它的键和值可以是任意类型，因为TextOutputFormat调用toString()方法把它们转换为字符串。

• SequenceFileOutputFormat
  
  将SecquenceFileOutputFormat输出作为后续MapReduce任务的输入，这便是一种好的输出格式，因为它的格式紧凑，很容易被压缩。

• 自定义OutputFormat
  
  根据用户需求，自定义实现输出。

自定义OutputFormat使用场景及步骤

使用场景

• 为了实现控制最终文件的输出路径和输出格式，可以自定义OutputFormat。
  
  例如：要在一个MapReduce程序中根据数据的不同输出两类结果到不同目录，这类灵活的输出需求可以通过自定义OutputFormat来实现。
• 自定义OutputFormat步骤
  
  （1）自定义一个类继承FileOutputFormat。
  
  （2）改写RecordWriter，具体改写输出数据的方法write()。

自定义OutputFormat 案例实操

需求

过滤输入的log日志，包含atguigu的网站输出到e:/atguigu.log，不包含atguigu的网站输出到e:/other.log。

输入数据



什么时候需要Reduce

①合并

②需要对数据排序

所以本案例不需要Reduce阶段，key-value不需要实现序列化

CustomOFMapper.java

public class CustomOFMapper extends Mapper<LongWritable, Text, String, NullWritable>{

	@Override
	protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, String, NullWritable>.Context context) throws IOException, InterruptedException {

		String content = value.toString();
		//value不需要，但是不能用Null这个关键字，要使用NullWritable对象
		context.write(content+"\r\n", NullWritable.get());
	}

}

MyOutPutFormat.java

public class MyOutPutFormat extends FileOutputFormat<String, NullWritable>{

	@Override
	public RecordWriter<String, NullWritable> getRecordWriter(TaskAttemptContext job)
			throws IOException, InterruptedException {
		return new MyRecordWriter(job);//传递job对象，才能在RecordWriter中获取配置
	}

}

MyRecordWriter.java

public class MyRecordWriter extends RecordWriter<String, NullWritable> {

	private Path atguiguPath=new Path("e:/atguigu.log");
	private Path otherPath=new Path("e:/other.log");

	private FSDataOutputStream atguguOS ;
	private FSDataOutputStream otherOS ;

	private FileSystem fs;

	private TaskAttemptContext context;

	public MyRecordWriter(TaskAttemptContext job) throws IOException {

			context=job;

			Configuration conf = job.getConfiguration();

			fs=FileSystem.get(conf);

			atguiguOS = fs.create(atguiguPath);
			otherOS = fs.create(otherPath);
	}

	// 将key-value写出到文件
	@Override
	public void write(String key, NullWritable value) throws IOException, InterruptedException {

		if (key.contains("atguigu")) {
			atguguOS.write(key.getBytes());//写到atguigu.log
			//统计输出的含有atguigu字符串的key-value个数
			context.getCounter("MyCounter", "atguiguCounter").increment(1);
		}else {
			otherOS.write(key.getBytes());//写到other.log
			context.getCounter("MyCounter", "otherCounter").increment(1);
		}
	}

	// 关闭流
	@Override
	public void close(TaskAttemptContext context) throws IOException, InterruptedException {

		if (atguguOS != null) {
			IOUtils.closeStream(atguguOS);
		}

		if (otherOS != null) {
			IOUtils.closeStream(otherOS);
		}

		if (fs != null) {
			fs.close();
		}

	}
}

CustomOFDriver.java

public class CustomOFDriver {

	public static void main(String[] args) throws Exception {

		Path inputPath=new Path("e:/mrinput/outputformat");
		Path outputPath=new Path("e:/mroutput/outputformat");

		//作为整个Job的配置
		Configuration conf = new Configuration();
		//保证输出目录不存在
		FileSystem fs=FileSystem.get(conf);

		if (fs.exists(outputPath)) {
			fs.delete(outputPath, true);
		}

		// ①创建Job
		Job job = Job.getInstance(conf);

		//重点，设置为自定义的输出格式
		job.setJarByClass(CustomOFDriver.class);

		// ②设置Job
		// 设置Job运行的Mapper，Reducer类型，Mapper,Reducer输出的key-value类型
		job.setMapperClass(CustomOFMapper.class);

		// 设置输入目录和输出目录
		FileInputFormat.setInputPaths(job, inputPath);
		FileOutputFormat.setOutputPath(job, outputPath);

		// 设置输入和输出格式
		job.setOutputFormatClass(MyOutPutFormat.class);

		// 取消reduce阶段。设置为0，默认为1
		job.setNumReduceTasks(0);

		// ③运行Job
		job.waitForCompletion(true);

	}
}

输出文件：