【总结】Hadoop中的MultipleOutputs实践

简介:

本例子采用hadoop1.1.2版本,附件中有例子的数据文件

采用气象数据作为处理数据


1、MultipleOutputs例子,具体解释在代码中有注释

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
package  StationPatitioner;
 
import  java.io.IOException;
import  java.util.Iterator;
 
import  org.apache.hadoop.conf.Configured;
import  org.apache.hadoop.fs.Path;
import  org.apache.hadoop.io.LongWritable;
import  org.apache.hadoop.io.NullWritable;
import  org.apache.hadoop.io.Text;
import  org.apache.hadoop.mapred.FileInputFormat;
import  org.apache.hadoop.mapred.FileOutputFormat;
import  org.apache.hadoop.mapred.JobClient;
import  org.apache.hadoop.mapred.JobConf;
import  org.apache.hadoop.mapred.MapReduceBase;
import  org.apache.hadoop.mapred.Mapper;
import  org.apache.hadoop.mapred.OutputCollector;
import  org.apache.hadoop.mapred.Reducer;
import  org.apache.hadoop.mapred.Reporter;
import  org.apache.hadoop.mapred.TextOutputFormat;
import  org.apache.hadoop.mapred.lib.MultipleOutputs;
import  org.apache.hadoop.mapred.lib.NullOutputFormat;
import  org.apache.hadoop.util.Tool;
import  org.apache.hadoop.util.ToolRunner;
 
/**
  * hadoop Version 1.1.2
  * MultipleOutputs例子
  * @author 巧克力黑
  *
  */
public  class  PatitionByStationUsingMultipleOutputs  extends  Configured  implements  Tool {
     enum  Counter 
     {
         LINESKIP,    //出错的行
     }
     static  class  StationMapper  extends  MapReduceBase  implements  Mapper<LongWritable , Text, Text , Text>{
         private  NcdcRecordParser parser =  new  NcdcRecordParser();
         @Override
         public  void  map(LongWritable key, Text value,
                 OutputCollector<Text, Text> output, Reporter reporter)
                 throws  IOException {
             try  {
                 parser.parse(value);
                 output.collect( new  Text(parser.getStationid()), value);
             catch  (Exception e) {
                 reporter.getCounter(Counter.LINESKIP).increment( 1 );  //出错令计数器+1
             }
             
         }
     }
 
     static  class  MultipleOutputReducer  extends  MapReduceBase  implements  Reducer<Text, Text, NullWritable, Text>{
         private  MultipleOutputs multipleOutputs;
         @Override
         public  void  configure(JobConf jobconf) {
             multipleOutputs =  new  MultipleOutputs(jobconf); //初始化一个MultipleOutputs
         }
         
         @Override
         public  void  reduce(Text key, Iterator<Text> values,
                 OutputCollector<NullWritable, Text> output, Reporter reporter)
                 throws  IOException {
             //得到OutputCollector
             OutputCollector collector = multipleOutputs.getCollector( "station" , key.toString().replace( "-" "" ), reporter);
             while (values.hasNext()){
                 collector.collect(NullWritable.get(), values.next()); //MultipleOutputs用OutputCollector输出数据
             }
         }
         
         @Override
         public  void  close()  throws  IOException {
             multipleOutputs.close();
         }
     }
     
     @Override
     public  int  run(String[] as)  throws  Exception {
         System.setProperty( "HADOOP_USER_NAME" "root" ); //windows下用户与linux用户不一直,采用此方法避免报Permission相关错误
         JobConf conf =  new  JobConf();
         
         conf.setMapperClass(StationMapper. class );
         conf.setReducerClass(MultipleOutputReducer. class );
         conf.setMapOutputKeyClass(Text. class );
         conf.setOutputKeyClass(NullWritable. class );
         conf.setOutputFormat(NullOutputFormat. class );
         FileInputFormat.setInputPaths(conf,  new  Path( "hdfs://ubuntu:9000/sample1.txt" ));//input路径
         FileOutputFormat.setOutputPath(conf,  new  Path( "hdfs://ubuntu:9000/temperature" ));//output路径
         
         MultipleOutputs.addMultiNamedOutput(conf,  "station" , TextOutputFormat. class , NullWritable. class , Text. class );
         
         JobClient.runJob(conf);
         return  0 ;
     }
     
     public  static  void  main(String[] args)  throws  Exception{
         int  exitCode = ToolRunner.run( new  PatitionByStationUsingMultipleOutputs(), args);
         System.exit(exitCode);
     }
     
}


2、解析气象数据的类

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
package  StationPatitioner;
 
import  org.apache.hadoop.io.Text;
 
public  class  NcdcRecordParser {
     private  static  final  int  MISSING_TEMPERATURE =  9999 ;
 
     private  String year;
     private  int  airTemperature;
     private  String quality;
     private  String stationid;
 
     public  void  parse(String record) {
         stationid = record.substring( 0 5 );
         year = record.substring( 15 19 );
         String airTemperatureString;
         // Remove leading plus sign as parseInt doesn't like them
         if  (record.charAt( 87 ) ==  '+' ) {
             airTemperatureString = record.substring( 88 92 );
         else  {
             airTemperatureString = record.substring( 87 92 );
         }
         airTemperature = Integer.parseInt(airTemperatureString);
         quality = record.substring( 92 93 );
     }
     
     public  String getStationid(){
         return  stationid;
     }
 
     public  void  parse(Text record) {
         parse(record.toString());
     }
 
     public  boolean  isValidTemperature() {
         return  airTemperature != MISSING_TEMPERATURE && quality.matches( "[01459]" );
     }
 
     public  String getYear() {
         return  year;
     }
 
     public  int  getAirTemperature() {
         return  airTemperature;
     }
}



     本文转自巧克力黒 51CTO博客,原文链接http://blog.51cto.com/10120275/1639389:,如需转载请自行联系原作者





相关文章
|
存储 分布式计算 Hadoop
基于docker的Hadoop环境搭建与应用实践(脚本部署)
本文介绍了Hadoop环境的搭建与应用实践。对Hadoop的概念和原理进行了简要说明,包括HDFS分布式文件系统和MapReduce计算模型等,主要通过脚本的方式进行快捷部署,在部署完成后对HDFS和mapreduce进行了测试,确保其功能正常。
|
存储 分布式计算 Hadoop
【揭秘Hadoop背后的秘密!】HDFS读写流程大曝光:从理论到实践,带你深入了解Hadoop分布式文件系统!
【8月更文挑战第24天】Hadoop分布式文件系统(HDFS)是Hadoop生态系统的关键组件,专为大规模数据集提供高效率存储及访问。本文深入解析HDFS数据读写流程并附带示例代码。HDFS采用NameNode和DataNode架构,前者负责元数据管理,后者承担数据块存储任务。文章通过Java示例演示了如何利用Hadoop API实现数据的写入与读取,有助于理解HDFS的工作原理及其在大数据处理中的应用价值。
377 1
|
分布式计算 运维 大数据
混合云模式下 MaxCompute + Hadoop 混搭大数据架构实践。
除了资源效率和成本的优势外,混合云模式还为斗鱼带来了可量化的成本、增值服务以及额外的专业服务。阿里云的专业团队可以为斗鱼提供技术咨询和解决方案,帮助斗鱼解决业务难题。此外,计算资源的可量化也使得斗鱼能够清晰地了解资源使用情况,为业务决策提供依据。
|
缓存 分布式计算 Ubuntu
HDFS编程实践(Hadoop3.1.3)
HDFS编程实践(Hadoop3.1.3)
1691 0
HDFS编程实践(Hadoop3.1.3)
|
分布式计算 数据可视化 Hadoop
大数据实战——基于Hadoop的Mapreduce编程实践案例的设计与实现
大数据实战——基于Hadoop的Mapreduce编程实践案例的设计与实现
3739 0
|
资源调度 分布式计算 安全
​Hadoop Yarn 在小米的实践(2)
​Hadoop Yarn 在小米的实践
522 0
​Hadoop Yarn 在小米的实践(2)
|
SQL 存储 消息中间件
一面数据: Hadoop 迁移云上架构设计与实践
Hadoop 技术栈,一直是企业自建大数据平台的首选。随着企业数据量的指数级增长,云计算时代的到来,企业对存储的弹性、运维及 TCO 都提出了更高要求。曾经自建 Hadoop 大数据平台的企业正逐步将大数据平台迁移至云上。
969 1
一面数据: Hadoop 迁移云上架构设计与实践
|
存储 分布式计算 Hadoop
|
缓存 资源调度 运维
​Hadoop Yarn 在小米的实践(3)
​Hadoop Yarn 在小米的实践
596 0
|
资源调度 分布式计算 算法
​Hadoop Yarn 在小米的实践(1)
​Hadoop Yarn 在小米的实践
388 0

相关实验场景

更多