Hadoop Streaming 实战：多路输出

streaming把reduce的输出作为一个任务的最终输出，输出文件形如：
part-00000、part-00001……
文件个数为reduce任务个数

但是，有的时候，我们有多路输出的需求，eg：一部分数据作为下一个mapreduce任务的输入，另一部分数据直接供下游任务抓取，此时，我们就需要使用reduce的多路输出。

在hadoop-v2-u7中，streaming引入了reduce多路输出的功能，允许一个reduce输出到多个文件中，规则如下：
      使用-outputformat org.apache.hadoop.mapred.lib.SuffixMultipleTextOutputFormat或者-outputformat org.apache.hadoop.mapred.lib.SuffixMultipleSequenceFileOutputFormat指定使用带多输出的OutputFormat（前者对应于文本输入，后者于二进制输入）
      reduce输出文件可以为part-xxxxx-X文件，其中X是A-Z的字母之一，使用方式是在输出key,value对的时候，在value的后面追加"#X"两个字节后缀，后缀不同的key,value输出到不同的part-xxxxx-X文件，value的后缀"#X"自动删除。
      此时，需要特别注意的是，由于value之后#X才会识别为输出文件标示，而reduce的输出默认以"\t"分割key和value，因此，如果reduce的输出是一行中间没有"/t"，我们就需要在#X后缀前面添加"\t"使它变成value的一部分而不是key的一部分，也可以通过“-D stream.reduce.output.field.separator”指定reduce输出分割符的类型。

示例：
对输入的数据做处理，以字符'1’开头的输入part-xxxxx-A文件中，以字符'2’开头的输入part-xxxxx-B文件中，其余输入part-xxxxx-C文件中

1. mapper程序mapper.sh

[html] view plaincopyprint?

#!/bin/sh
while read line
do
echo "$line"
done

#!/bin/sh while read linedo echo "$line"done

2. reducer程序reducer.sh

[html] view plaincopyprint?

#!/bin/sh
while read line
do
tag=`expr substr $line 1 1`
if [ $tag == "1" ]
then
echo -e "$line\t#A"
elif [ $tag == "2" ]
then
echo -e "$line\t#B"
else
echo -e "$line\t#C"
fi
done

#!/bin/sh while read linedo tag=`expr substr $line 1 1` if [ $tag == "1" ] then echo -e "$line\t#A" elif [ $tag == "2" ] then echo -e "$line\t#B" else echo -e "$line\t#C" fidone
3. 输入数据:test.txt

1,2,1,1,12,2,2,1,13,3,1,1,11,3,2,1,12,3,3,1,13,2,3,1,11,3,1,1,12,3,2,1,13,3,3,1,14,3,3,1,1

4. 输入文本放入hdfs，集群运行：

$ hadoop fs -put test.txt /usr/test.txt
$ hadoop streaming -input /usr test.txt /
    -output /usr/test_1234 /
    -mapper ./mapper.sh -reducer ./reducer.sh /
    -file mapper.sh -file reducer.sh /
    -inputformat org.apache.hadoop.mapred.TextInputFormat /
    -outputformat org.apache.hadoop.mapred.lib.SuffixMultipleTextOutputFormat /
    -jobconf -jobconf mapred.reduce.tasks=3 /
    -jobconf mapre.job.name="mul_output_test"

查看输出：

$ hadoop fs -ls /usr/test_1234
Found 7 items
-rw-r--r--   3 test test         11 2011-05-20 09:56 /usr/test_1234/part-00000-C
-rw-r--r--   3 test test         11 2011-05-20 09:56 /usr/test_1234/part-00001-A
-rw-r--r--   3 test test         11 2011-05-20 09:56 /usr/test_1234/part-00001-B
-rw-r--r--   3 test test         11 2011-05-20 09:56 /usr/test_1234/part-00001-C
-rw-r--r--   3 test test         22 2011-05-20 09:56 /usr/test_1234/part-00002-A
-rw-r--r--   3 test test         22 2011-05-20 09:56 /usr/test_1234/part-00002-B
-rw-r--r--   3 test test         22 2011-05-20 09:56 /usr/test_1234/part-00002-C

Hadoop Streaming 实战：多路输出相关推荐

Hadoop Streaming 实战：实用Partitioner类KeyFieldBasedPartitioner
我们知道,一个典型的Map-Reduce过程包括:Input->Map->Patition->Reduce->Output.Pation负责把Map任务输出的中间结果按key分 ...
hadoop中带后缀的多路输出part文件
[导读] hadoop源代码中org.apache.hadoop.mapred.lib.MultipleTextOutputFormat类实现了多路输出的框架.在此基础上,可以实现自定义的多路输出方案 ...
MapReduce工作笔记——Streaming多路输出
文章目录多路输出实现 MapReduce工作笔记系列目录:MapReduce工作笔记--目录多路输出加入如下命令: -outputformat org.apache.hadoop.mapre ...
Hadoop Streaming框架使用（一）
Streaming简介 link:http://www.cnblogs.com/luchen927/archive/2012/01/16/2323448.html Streaming框架允许任何程 ...
flink-cdc,clickhouse写入，多路输出
1.场景 kafka日志数据从kafka读取 1.关联字典表:完善日志数据 2.判断日志内容级别:多路输出低级:入clickhouse 高级:入clickhouse的同时推送到kafka供2次数据流 ...
Hadoop streaming 排序、分桶参数设置
编写hadoop任务经常需要用到partition和排序.这里记录一下几个参数. 1. 概念 Partition:分桶过程,用户输出的key经过partition分发到不同的reduce里,因而par ...
Hadoop Streaming框架使用（三）
前两篇文章介绍了Hadoop Streaming框架的使用方法.由于篇幅所限,并没有介绍其中的高级使用方法,但是有一些用法还是相当常见的.今天对一些高级用法进行一个简单的说明,希望能给大家一些启发. ...
Hadoop Streaming 编程
1.概述 Hadoop Streaming是Hadoop提供的一个编程工具,它允许用户使用任何可执行文件或者脚本文件作为Mapper和Reducer,例如: 采用shell脚本语言中的一些命令作为ma ...
Hadoop Streaming编程实例
Hadoop Streaming是Hadoop提供的多语言编程工具,通过该工具,用户可采用任何语言编写MapReduce程序,本文将介绍几个Hadoop Streaming编程实例,大家可重点从以下几 ...

Hadoop Streaming 实战：多路输出

Hadoop Streaming 实战：多路输出相关推荐

最新文章

热门文章

Hadoop Streaming 实战： 多路输出

Hadoop Streaming 实战： 多路输出相关推荐

最新文章

热门文章

Hadoop Streaming 实战：多路输出

Hadoop Streaming 实战：多路输出相关推荐