mapreduce多文件输出新API怎么实现

本篇内容介绍了“mapreduce多文件输出新API怎么实现”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

创新互联自2013年创立以来，先为衡阳等服务建站，衡阳等地企业，进行企业商务咨询服务。为衡阳企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。

    1、针对于代码中的 MultipleOutputs.addNamedOutput(job, "errorlog",
    TextOutputFormat.class, Text.class, NullWritable.class);  方法，其实第二个参数并非是这么用的，下面看代码：

private MultipleOutputs multipleOutputs = null;
	@Override
	protected void reduce(IntWritable key, Iterable values,Context context)
			throws IOException, InterruptedException {
		for(Text val:values){
			multipleOutputs.write("KeySplit", NullWritable.get(), val, key.toString()+"/");
			multipleOutputs.write("AllData", NullWritable.get(), val);
		}
	}

write函数很多重载方法，之前用的是三个参数的，这个方法其实是将所有的reduce输出都输出到一个文件夹中，

这时候我们在调用MultipleOutputs.addNamedOutput()函数的时候传递的第二个参数为多个，所以会导致

-rw-r--r--   2 hadoop supergroup   10569073 2014-06-06 11:50 /test/aa/fileRequest-m-00063.lzo
-rw-r--r--   2 hadoop supergroup   10512656 2014-06-06 11:50 /test/aa/fileRequest-m-00064.lzo
-rw-r--r--   2 hadoop supergroup      68780 2014-06-06 11:51 /test/aa/firstIntoTime-m-00000.lzo
-rw-r--r--   2 hadoop supergroup      67901 2014-06-06 11:51 /test/aa/firstIntoTime-m-00001.lzo

这样的现象，而且会多输出很多没有用的空文件

那么其实write方法有一个带有四个参数的方法，最后一个参数就恰巧是传递一个目录进去，目的是针对于不同的逻辑将reduce产生的数据输出到不同的文件夹目录下。如第一段代码中的multipleOutputs.write("KeySplit", NullWritable.get(), val, key.toString()+"/");语句，最后一个参数的作用就是相将key作为文件夹，将具有相同key 的数据输出到这个文件夹中，后面跟着一个“/” 代表是当前目录下，当前目录指的肯定不是项目的当前目录，他是在执行hadoop jar 时传递的输出目录的参数，如：hadoop jar test.jar com.TestJob /input /output    

假设数据是这样的：
1    丽梅
1    小辉
2    小红
3    大华

那么将输出三个文件夹分别为
/output/1
/output/2
/output/3
其中/output/1这个文件夹中一个文件，内容为

1    丽梅
1    小辉

write函数还有其他方法，暂时还没有研究，而且针对于write方法的第一个函数也没有去研究，如果有时间，会把多文件输出详细总结一下

注：在配置job的时候

这句代码

MultipleOutputs.addNamedOutput(job, "errorlog",
    TextOutputFormat.class, Text.class, NullWritable.class);

“mapreduce多文件输出新API怎么实现”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！