Hadoop自定义InputFormat
2012-08-08 23:46
162 查看
接触hadoop一年多了,但是自己一直没有用hadoop写过什么程序。最近,由于项目需要,将一些文件转换成hadoop的MapFile。网上的例子基本是直接处理文本输入,自定义输入格式的见到两个,但是都是用的旧的API,用新API写的还没有,可能高手不屑于写这些。但是处理自定义输入是每个用hadoop的人都要学会才行的,因为不是每个人的输入都是文本文件。
数据输入是hadoop的第一步,不能读自己的数据,后面的处理就无从谈起。文本格式处理起来容易些,对于二进制格式的文件,虽然hadoop有一个SequenceFileInputFormat,可以先把自己的数据转成SequenceFile,再处理,但是这样要多一倍的处理时间、存储空间。无奈之下,参考了hadoop的源代码,自己写了个ConverterInputFormat,在这里贴出来,供大家参考。
代码是基于hadoop 0.20的,其中的FetcherOutput是用Java的DataOutputStream写入到本地磁盘的,可以换成自己想要的格式。
ConvertertRecordReader好像必须有个默认的构造器。
本人也是新学,对hadoop也不是很熟悉,如果有更好的方式,恳请赐教。
数据输入是hadoop的第一步,不能读自己的数据,后面的处理就无从谈起。文本格式处理起来容易些,对于二进制格式的文件,虽然hadoop有一个SequenceFileInputFormat,可以先把自己的数据转成SequenceFile,再处理,但是这样要多一倍的处理时间、存储空间。无奈之下,参考了hadoop的源代码,自己写了个ConverterInputFormat,在这里贴出来,供大家参考。
代码是基于hadoop 0.20的,其中的FetcherOutput是用Java的DataOutputStream写入到本地磁盘的,可以换成自己想要的格式。
ConvertertRecordReader好像必须有个默认的构造器。
相关文章推荐
- [转]自定义hadoop map/reduce输入文件切割InputFormat
- hadoop mapreduce 自定义InputFormat
- hadoop自定义InputFormat
- Hadoop自定义InputFormat
- Hadoop:自定义输入文件格式类InputFormat
- 自定义hadoop的InputFormat
- hadoop编程小技巧(5)---自定义输入文件格式类InputFormat
- Hadoop Serialization -- hadoop序列化详解 (3)【ObjectWritable,集合Writable以及自定义的Writable】
- hadoop自定义数据类型
- 自定义hadoop map/reduce输入文件切割InputFormat
- Hadoop mapreduce自定义排序WritableComparable
- 学习Hadoop第十五课(自定义排序)
- Hadoop中进行分词,加载自定义词典, DistributedCache使用
- Hadoop之自定义Partitioner函数
- Hadoop自定义Counter
- 在运行hadoopdb\hive\hadoop源码时不能正确调用自定义core-site.xml等配置文件
- CarbonData源码阅读(2)-Hadoop InputFormat
- 结合手机上网流量业务来说明Hadoop中的自定义数据类型(序列化、反序列化机制)
- Hadoop之自定义数据类型
- 自定义排序及Hadoop序列化