MR之自定义outputformat输出方式代码演示
来源:互联网 发布:hadoop和java的关系 编辑:程序博客网 时间:2024/06/05 19:53
1.项目需求
现有一些原始日志需要做增强解析处理,流程:
- 从原始日志文件中读取数据
- 根据日志中的一个URL字段到外部知识库中获取信息增强到原始日志
- 如果成功增强,则输出到增强结果目录;如果增强失败,则抽取原始数据中URL字段输出到待爬清单目录
.2分析
程序的关键点是要在一个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
.3实现
实现要点:
- 在mapreduce中访问外部资源
- 自定义outputformat,改写其中的recordwriter,改写具体输出数据的方法write()
1.实际案例一
1)需求
过滤输入的log日志中是否包含robot
(1)包含robot的网站输出到e:/robot.log
(2)不包含robot的网站输出到e:/other.log
(1)自定义一个outputformat
package com.robot.mapreduce.outputformat;
import java.io.IOException;
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;
public class FilterOutputFormat extends FileOutputFormat<Text, NullWritable>{
@Override
public RecordWriter<Text, NullWritable> getRecordWriter(TaskAttemptContext job)
throws IOException, InterruptedException {
// 创建一个RecordWriter
return newFilterRecordWriter(job);
}
}
(2)具体的写数据RecordWriter
package com.robot.mapreduce.outputformat;
import java.io.IOException;
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;
public classFilterRecordWriterextends RecordWriter<Text, NullWritable> {
FSDataOutputStream robotOut = null;
FSDataOutputStream otherOut = null;
public FilterRecordWriter(TaskAttemptContext job) {
// 1 获取文件系统
FileSystem fs;
try {
fs = FileSystem.get(job.getConfiguration());
// 2 创建输出文件路径
Path robotPath = new Path("e:/robot.log");
Path otherPath = new Path("e:/other.log");
// 3 创建输出流
robotOut = fs.create(robotPath);
otherOut = fs.create(otherPath);
} catch (IOException e) {
e.printStackTrace();
}
}
@Override
public void write(Text key, NullWritable value) throws IOException, InterruptedException {
// 判断是否包含“robot”输出到不同文件
if (key.toString().contains("robot")) {
robotOut.write(key.toString().getBytes());
} else {
otherOut.write(key.toString().getBytes());
}
}
@Override
public void close(TaskAttemptContext context) throws IOException, InterruptedException {
// 关闭资源
if (robotOut != null) {
robotOut.close();
}
if (otherOut != null) {
otherOut.close();
}
}}
(3)编写FilterMapper
package com.robot.mapreduce.outputformat;
import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
public class FilterMapper extends Mapper<LongWritable, Text, Text, NullWritable>{
@Override
protected void reduce(Text key, Iterable<NullWritable> values, Context context)
throws IOException, InterruptedException {
String k = key.toString();
k = k + "\r\n";
context.write(new Text(k), NullWritable.get());
}
}
(5)编写FilterDriver
package com.robot.mapreduce.outputformat;
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;
public class FilterDriver {
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);
job.setJarByClass(FilterDriver.class);
job.setMapperClass(FilterMapper.class);
job.setReducerClass(FilterReducer.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(NullWritable.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(NullWritable.class);
// 要将自定义的输出格式组件设置到job中
job.setOutputFormatClass(FilterOutputFormat.class);
FileInputFormat.setInputPaths(job, new Path(args[0]));
// 虽然我们自定义了outputformat,但是因为我们的outputformat继承自fileoutputformat
// 而fileoutputformat要输出一个_SUCCESS文件,这个文件输出必备的,是为了让MRappmaster知道程序执行成功了。所以在这还得指定一个输出目录
FileOutputFormat.setOutputPath(job, new Path(args[1]));
boolean result = job.waitForCompletion(true);
System.exit(result ? 0 : 1);
}
}
阅读全文
0 0
- MR之自定义outputformat输出方式代码演示
- MR->OutputFormat->多文件名输出格式 MultipleOutputs
- MR OutputFormat 初解
- 自定义OutPutFormat
- 自定义OutputFormat
- 自定义outputformat
- MR-2.输出格式(OutputFormat)Multiple outputs多目录输出
- Mapreduce之自定义OutputFormat应用-日志增强
- Hadoop入门之自定义groupingcomparator和outputformat的使用
- 自定义OutputFormat--Hadoop
- MapReduce 自定义outputFormat
- OutputFormat输出过程的学习
- MapReduce之OutputFormat理解
- hadoop 自定义inputformat和outputformat
- Mapreduce编程三 自定义outputformat
- hadoop自定义InputFormat,OutputFormat输入输出类型
- mapreduce系列(9)--自定义OutputFormat
- mr日志输出
- Golang jsn格式文件解析
- ecognition 分类轻松上手
- 爆客系统源码 ipad协议 成品网站限量出全网最低速来咨询
- Ajax相关知识
- 让你成为高效人士的思维导图线下双证班开营啦
- MR之自定义outputformat输出方式代码演示
- Spring注解学习
- yii 使用原生sql 查询 以某一字段分组 每个字段取出最新的一条数据
- 资源备忘录
- Android 最全系统版本及特点
- 输入某年某月某日,计算并输出它是这一年的第几天
- 交叉验证(CrossValidation)方法思想简介
- HTML+CSS基础之浮动
- Hello,CSDN