hadoop多文件输出

现实环境中，经常遇到一个问题就是想使用多个Reduce，可是迫于setup和cleanup在每个Reduce中会调用一次，仅仅能设置一个Reduce，无法是实现负载均衡。

问题，假设要在reduce中输出两种文件，一种是标志，还有一种是正常业务数据，实现方案有三种：

（1）设置一个reduce，在reduce中将数据封装到一个集合中，在cleanup中将数据写入到hdfs中，可是假设数据量巨大，一个reduce无法充分利用资源，实现负载均衡。可是假设数据量较小，能够使用

（2）设置多文件输出，使用MultipleOutputs类

详细见代码：

private MultipleOutputs mos; 

@Override
protected void setup(Context context)
throws IOException, InterruptedException {
  mos=new MultipleOutputs(context);
}
@Override
protected void reduce(Text key, Iterable<Text> values, Context context)
throws IOException, InterruptedException { 

String key1=key.toString();
for(Text t:values){
   if(key1.equals("a")){
   mos.write("a", key,t);
   } else if(key1.equals("b")){
   mos.write("b", key,t);
   } else if(key1.equals("c")){
   mos.write("c", key,t); 

   }
 }
}
@Override
protected void cleanup(
Context context)
throws IOException, InterruptedException {
mos.close();
} 

main方法中配置

<pre name="code" class="java">MultipleOutputs.addNamedOutput(job, "a", TextOutputFormat.class, Text.class, Text.class);
MultipleOutputs.addNamedOutput(job, "b", TextOutputFormat.class, Text.class, Text.class);
MultipleOutputs.addNamedOutput(job, "c", TextOutputFormat.class, Text.class, Text.class);

结果文件为  a-r-0000,b-r-0000,c-r-0000,part-r-0000

（3）第三种方案是自己实现多文件输出

详见http://blog.csdn.net/qingmu0803/article/details/39665407