温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

hadoop streaming如何实现多路输出扩展

发布时间:2021-12-08 10:10:12 来源:亿速云 阅读:147 作者:小新 栏目:云计算

这篇文章主要介绍hadoop streaming如何实现多路输出扩展,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!

PrefixMultipleOutputFormat 实现的功能点有两个

  • 按照key的前缀输入到不同的目录

  • 删除最终输出结果中的tab

##使用方式### ####按照key 的 前缀输出到不同目录中

 $maserati_hadoop jar $HADOOP_HOME/share/hadoop/tools/lib/hadoop-streaming-2.6.0.jar -libjars ./adts.jar 
    -D mapred.job.name=$name \  
    -D mapred.reduce.tasks=5 \  
     -inputformat org.apache.hadoop.mapred.TextInputFormat \  
    -outputformat com.sogou.adt.adts.PrefixMultipleOutputFormat \  
    -input $input \  
    -output $output \  
    -mapper ./m_mapper.sh \  
    -reducer ./m_reducer.sh \  
    -file m_mapper.sh \  
    -file m_reducer.sh

其中outputformat 指定的是 自己时间的类 -libjars ./adts.jar导入的是自己的jar包

###mapper 和 reduer.sh 
 ##m_maper.sh##
 #!/bin/bash
 awk -F " " '{                 
        for(i=1;i<=NF;i++)       
	print $i;    
  }' 

 ###m_reduer.sh###
 #!/bin/bash
 awk -F "\t" '{
if(NR%3==0)
	print "A#"$1;
if(NR%3==1)
	print "B#"$1;
if(NR%3==2)
	print "C#"$1;
    }'

这样就可以将数字分别输入到不同的路径中了

####删除行尾的tab 只需要加入com.sogou.adt.adts.ignoreseparator=true指定忽略行尾的tab 即可

    $maserati_hadoop jar $HADOOP_HOME/share/hadoop/tools/lib/hadoop-streaming-2.6.0.jar -libjars ./adts.jar 
    -D mapred.job.name=$name \  
    -D mapred.reduce.tasks=5 \  
    -D com.sogou.adt.adts.ignoreseparator=true \
     -inputformat org.apache.hadoop.mapred.TextInputFormat \  
    -outputformat com.sogou.adt.adts.PrefixMultipleOutputFormat \  
    -input $input \  
    -output $output \  
    -mapper ./m_mapper.sh \  
    -reducer ./m_reducer.sh \  
    -file m_mapper.sh \  
    -file m_reducer.sh

###PrefixMultipleOutputFormat的实现方式 由于并不熟悉java语言,在大学学的那点java也早就还给老师了^v^ 搭建编译环境费了些时日,不过好在有个现成的eclipse java 环境 还有两年前搭建好的hadoop环境(它稍微修复一点点就ok了, 能跑程序了, 真是万幸)。

###我的环境

  • eclipse

  • jdk1.6.0

  • jar包

    • hadoop-common-2.6.0.jar

  • hadoop-mapreduce-client-core-2.6.0.jar

这个简单介绍一下 编译之前我还在担心hadoop streaming 依赖的jar包哪里去找,用不用自己编译(hadoop所有的源码编译让人有点头疼),后来发现jar 包都可以在 hadoop 运行环境中找到,瞬间释然了。

###源码 这段代码挺好理解的了一个LineRecordWriter类 (大部分都是从现有的TextOutputFormat 类中扒的 只是改动一点 读配置 关闭输出tab) generateFileNameForKeyValue 实现了从前缀读取并输出到不同的目录中,代码一目了然

package com.sogou.adt.adts;
  import java.io.DataOutputStream;   
  import java.io.IOException;   
  import java.io.UnsupportedEncodingException;
  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.io.compress.CompressionCodec;
import org.apache.hadoop.io.compress.GzipCodec;
import org.apache.hadoop.mapred.FileOutputFormat;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.RecordWriter;
import org.apache.hadoop.mapred.Reporter;    
import org.apache.hadoop.mapred.lib.MultipleTextOutputFormat;    
import org.apache.hadoop.util.Progressable;
import org.apache.hadoop.util.ReflectionUtils;
 public class PrefixMultipleOutputFormat extends MultipleTextOutputFormat<Text, Text>  {
[@Override](https://my.oschina.net/u/1162528)
protected Text generateActualKey(Text key, Text value) {
	// TODO Auto-generated method stub
	return super.generateActualKey(key, value);
}

protected static class LineRecordWriter<K, V>
implements RecordWriter<K, V> {
private static final String utf8 = "UTF-8";
private static final byte[] newline;
static {
  try {
    newline = "\n".getBytes(utf8);
  } catch (UnsupportedEncodingException uee) {
    throw new IllegalArgumentException("can't find " + utf8 + " encoding");
  }
}

protected DataOutputStream out;
private final byte[] keyValueSeparator;

public LineRecordWriter(DataOutputStream out, String keyValueSeparator) {
  this.out = out;
  try {
    this.keyValueSeparator = keyValueSeparator.getBytes(utf8);
  } catch (UnsupportedEncodingException uee) {
    throw new IllegalArgumentException("can't find " + utf8 + " encoding");
  }
}

public LineRecordWriter(DataOutputStream out) {
  this(out, "\t");
}

/**
 * Write the object to the byte stream, handling Text as a special
 * case.
 * [@param](https://my.oschina.net/u/2303379) o the object to print
 * [@throws](https://my.oschina.net/throws) IOException if the write throws, we pass it on
 */
private void writeObject(Object o) throws IOException {
  if (o instanceof Text) {
    Text to = (Text) o;
    out.write(to.getBytes(), 0, to.getLength());
  } else {
    out.write(o.toString().getBytes(utf8));
  }
}

public synchronized void write(K key, V value)
  throws IOException {

  boolean nullKey = key == null || key instanceof NullWritable;
  boolean nullValue = value == null || value instanceof NullWritable;
  if (nullKey && nullValue) {
    return;
  }
  if (!nullKey) {
    writeObject(key);
  }
  if (!(nullKey || nullValue)) {
    out.write(keyValueSeparator);
  }
  if (!nullValue) {
    writeObject(value);
  }
  out.write(newline);
}

public synchronized void close(Reporter reporter) throws IOException {
  out.close();
}
  }


[@Override](https://my.oschina.net/u/1162528)
protected RecordWriter<Text, Text> getBaseRecordWriter(FileSystem fs,
		JobConf job, String name, Progressable arg3) throws IOException {
	 boolean isCompressed = getCompressOutput(job);
	    String keyValueSeparator = job.get("mapreduce.output.textoutputformat.separator", 
	                                       "\t");
	    
	    Boolean ignoreseparator = job.getBoolean("com.sogou.adt.adts.ignoreseparator", false);
	    if(ignoreseparator)
	    {
	    	keyValueSeparator="";
	    }
	    if (!isCompressed) {
	      Path file = FileOutputFormat.getTaskOutputPath(job, name);
	      fs = file.getFileSystem(job);
	      FSDataOutputStream fileOut = fs.create(file, arg3);
	      return new LineRecordWriter<Text, Text>(fileOut, keyValueSeparator);
	    } else {
	      Class<? extends CompressionCodec> codecClass =
	        getOutputCompressorClass(job, GzipCodec.class);
	      // create the named codec
	      CompressionCodec codec = ReflectionUtils.newInstance(codecClass, job);
	      // build the filename including the extension
	      Path file = 
	        FileOutputFormat.getTaskOutputPath(job, 
	                                           name + codec.getDefaultExtension());
	       fs = file.getFileSystem(job);
	      FSDataOutputStream fileOut = fs.create(file, arg3);
	      return new LineRecordWriter<Text, Text>(new DataOutputStream
	                                        (codec.createOutputStream(fileOut)),
	                                        keyValueSeparator);
	    }
}


[@Override](https://my.oschina.net/u/1162528)
protected String generateFileNameForKeyValue(Text key, Text value,
		String name) {
	 int keyLength = key.getLength();  
        String outputName = name;  
        
        if(keyLength < 2)
        	return outputName;
        
        Text sep = new Text();
        sep.append(key.getBytes(), 1, 1);
        
        if(sep.find("#") != -1)
        {  
        	Text newFlag = new Text();
            newFlag.append(key.getBytes(), 0, 1);
            String flag = newFlag.toString();
            //outputName = name+"-"+flag;
            outputName = flag+"/"+name+"-"+flag;
        	
            Text newValue = new Text();
            newValue.append(key.getBytes(), 2, keyLength-2);
			key.set(newValue);		        	            
        } 
        System.out.printf("[shishuai]System[key [%s]][value:[%s]] output[%s]\n",key.toString(),value.toString(),outputName);
        return outputName;  
}

}

以上是“hadoop streaming如何实现多路输出扩展”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注亿速云行业资讯频道!

向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

AI