何时在 Hadoop Map-Reduce 中使用 NLineInputFormat？

Question

我有一个 基于文本的 输入文件，大小约为 25 GB。在该文件中，一条记录由 4 行组成。每个记录的处理是相同的。但是在每条记录中，四行中的每一行都以不同的方式处理。

我是 Hadoop 的新手，所以我想要一个指导，在这种情况下是使用 NLineInputFormat 还是使用默认的 TextInputFormat ？提前致谢！

Answer 1

假设您有以下格式的文本文件：

2015-8-02
error2014 blahblahblahblah
2015-8-02
blahblahbalh error2014

你可以使用 NLineInputFormat.

使用 NLineInputFormat 功能，您可以准确指定应向映射器发送多少行。

在您的情况下，您可以使用每个映射器输入 4 行。

编辑:

下面是一个使用 NLineInputFormat 的例子：

映射器Class:

import java.io.IOException;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class MapperNLine extends Mapper<LongWritable, Text, LongWritable, Text> {

    @Override
    public void map(LongWritable key, Text value, Context context)
          throws IOException, InterruptedException {

        context.write(key, value);
    }

}

Driver class:

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.NLineInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.LazyOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

public class Driver extends Configured implements Tool {

    @Override
    public int run(String[] args) throws Exception {

        if (args.length != 2) {
            System.out
                  .printf("Two parameters are required for DriverNLineInputFormat- <input dir> <output dir>\n");
            return -1;
        }

        Job job = new Job(getConf());
        job.setJobName("NLineInputFormat example");
        job.setJarByClass(Driver.class);

        job.setInputFormatClass(NLineInputFormat.class);
        NLineInputFormat.addInputPath(job, new Path(args[0]));
        job.getConfiguration().setInt("mapreduce.input.lineinputformat.linespermap", 4);

        LazyOutputFormat.setOutputFormatClass(job, TextOutputFormat.class);
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        job.setMapperClass(MapperNLine.class);
        job.setNumReduceTasks(0);

        boolean success = job.waitForCompletion(true);
        return success ? 0 : 1;
    }

    public static void main(String[] args) throws Exception {
        int exitCode = ToolRunner.run(new Configuration(), new Driver(), args);
        System.exit(exitCode);
    }
}

何时在 Hadoop Map-Reduce 中使用 NLineInputFormat？

When to use NLineInputFormat in Hadoop Map-Reduce?

java

hadoop

mapreduce