hadoop之MapReduce输入输出类

默认的输入TextInputFormat：

1）TextInputformat是默认的inputformat，对于输入文件。

2）文件中每一行作为一个记录，他将每一行在文件中的起始偏移量作为key，每一行的内容作为value。

3）默认以\n或回车键作为一行记录。

4）TextInputFormat继承了FileInputFormat。

Hadoop自带的输入类：

1）CombinarFileInputFormat：

      相对于大量的小文件来说，hadoop更合适处理少量的大文件。

      CombinarFileInputFormat可以缓解这个问题，它是针对小文件而设计的。

 

2）KeyValueTextInputFormat：

        当输入数据的每一行是两列，并用tab分离的形式的时候，

        KeyValueTextInputformat处理这种格式的文件非常适合。

 

3）NLineInputformat：

        NLineInputformat可以控制在每个split中数据的行数。

4）SequenceFileInputformat：  

        当输入文件格式是sequencefile的时候，要使用SequenceFileInputformat作为输入。

 

自定义输入类格式：

1）继承FileInputFormat基类。

2）重写里面的isSplitable(FileSyatem fs,Path fileName)方法。

3）重写getRecordReader()方法。

 

public interface InputFormat<K, V> 

{    

     InputSplit[] getSplits(JobConf job, int numSplits) throws  IOException;

     

     RecordReader<K, V> getRecordReader(InputSplit split,JobConf job,Reporter reporter) throws          IOException;

}

 

Hadoop的输出类

1）TextOutputformat: 

        默认的输出格式，key和value中间值用tab隔开的。 

2）SequenceFileOutputformat: 

        将key和value以sequencefile格式输出。

3）sequencefileAsOutputFormat: 

    将key和value以原始二进制的格式输出。 

 

4）MapFileOutputFormat: 

    将key和value写入MapFile中。由于MapFile中的key是有序的，所以写入的时候必须保证记录

    是按key值顺序写入的。 

 

5）MultipleOutputFormat: 

     默认情况下一个reducer会产生一个输出，但是有些时候我们想一个reducer产生多个输出，     

     MultipleOutputFormat和MultipleOutputs可以实现这个功能。