MapReduce的常见输入格式之KeyValueTextInputFormat

有一文件,如图所示
在这里插入图片描述
每行第一个字段为名字,后面的则为该人的一些信息,所以此时的输入格式应该是以每一行的名字为Key,每一行的其他信息为Value

KeyValueTextInputFormat#

  • 作用: 针对文本文件!使用分割字符,分隔符前的为Key,分隔符后的为value,所以这种输入格式就是将每一行分割为key和value

  • 如果没有找到分隔符,当前行的内容作为key,value为空串

  • 默认分隔符为\t,可以通过参数mapreduce.input.keyvaluelinerecordreader.key.value.separator指定分隔符

    切片:默认的切片策略,即一行切为一片
    RecordReaderKeyValueLineRecordReader
    它们的数据类型

Copy
Text key Text value

在Driver.java中,提供了两种设置输入格式的方法:

Copy
job.setInputFormatClass(XXXInputFormat.class);

Copy
Configuration conf = new Configuration(); conf .set("mapreduce.job.inputformat.class", "org.apache.hadoop.mapreduce.lib.input.XXXTextInputFormat");

WCMapper.java

Copy
public class WCMapper extends Mapper<Text, Text, Text, IntWritable>{ private IntWritable out_value=new IntWritable(1); @Override protected void map(Text key, Text value, Mapper<Text, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException { System.out.println("keyin:"+key+"----keyout:"+value); context.write(key, out_value); } }

WCReducer.java

Copy
public class WCReducer extends Reducer<Text, IntWritable, Text, IntWritable>{ private IntWritable out_value=new IntWritable(); // reduce一次处理一组数据,key相同的视为一组 @Override protected void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException { int sum=0; for (IntWritable intWritable : values) { sum+=intWritable.get(); } out_value.set(sum); //将累加的值写出 context.write(key, out_value); } }

WCDriver.java

Copy
public class WCDriver { public static void main(String[] args) throws Exception { Path inputPath=new Path("e:/mrinput/keyvalue"); Path outputPath=new Path("e:/mroutput/keyvalue"); //作为整个Job的配置 Configuration conf = new Configuration(); // 分隔符只是一个byte类型的数据,即便传入的是个字符串,只会取字符串的第一个字符 conf.set("mapreduce.input.keyvaluelinerecordreader.key.value.separator", "***"); //设置输入格式方法一 conf.set("mapreduce.job.inputformat.class", "org.apache.hadoop.mapreduce.lib.input.KeyValueTextInputFormat"); //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); job.setJarByClass(WCDriver.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(WCMapper.class); job.setReducerClass(WCReducer.class); // Job需要根据Mapper和Reducer输出的Key-value类型准备序列化器,通过序列化器对输出的key-value进行序列化和反序列化 // 如果Mapper和Reducer输出的Key-value类型一致,直接设置Job最终的输出类型 job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); // 设置输入格式方法二 //job.setInputFormatClass(NLineInputFormat.class); // 设置输入目录和输出目录 FileInputFormat.setInputPaths(job, inputPath); FileOutputFormat.setOutputPath(job, outputPath); // ③运行Job job.waitForCompletion(true); } }

切片结果:#

在这里插入图片描述
keyOut应该是value,此处写错了!

posted @   孙晨c  阅读(508)  评论(0编辑  收藏  举报
编辑推荐:
· 智能桌面机器人:用.NET IoT库控制舵机并多方法播放表情
· Linux glibc自带哈希表的用例及性能测试
· 深入理解 Mybatis 分库分表执行原理
· 如何打造一个高并发系统?
· .NET Core GC压缩(compact_phase)底层原理浅谈
阅读排行:
· 手把手教你在本地部署DeepSeek R1,搭建web-ui ,建议收藏!
· 新年开篇:在本地部署DeepSeek大模型实现联网增强的AI应用
· 程序员常用高效实用工具推荐,办公效率提升利器!
· Janus Pro:DeepSeek 开源革新,多模态 AI 的未来
· 【译】WinForms:分析一下(我用 Visual Basic 写的)
点击右上角即可分享
微信分享提示
CONTENTS