hadoop - 以编程方式读取 Hadoop Mapreduce Program 的输出

Question

这可能是一个基本问题，但我无法在 Google 上找到答案。
我有一个 map-reduce 作业，它在其输出目录中创建多个输出文件。我的 Java 应用程序在远程 hadoop 集群上执行此作业，作业完成后，它需要使用 org.apache.hadoop.fs.FileSystem API 以编程方式读取输出。可能吗？
应用程序知道输出目录，但不知道 map-reduce 作业生成的输出文件的名称。似乎没有办法以编程方式列出 hadoop 文件系统 API 中目录的内容。如何读取输出文件？
这似乎是一个司空见惯的场景，我相信它有一个解决方案。但我遗漏了一些非常明显的东西。

Answer 1

您要查找的方法称为 listStatus(Path)。它只是将 Path 内的所有文件作为 FileStatus 数组返回。然后您可以简单地遍历它们创建一个路径对象并读取它。

    FileStatus[] fss = fs.listStatus(new Path("/"));
    for (FileStatus status : fss) {
        Path path = status.getPath();
        SequenceFile.Reader reader = new SequenceFile.Reader(fs, path, conf);
        IntWritable key = new IntWritable();
        IntWritable value = new IntWritable();
        while (reader.next(key, value)) {
            System.out.println(key.get() + " | " + value.get());
        }
        reader.close();
    }

对于 Hadoop 2.x，您可以像这样设置阅读器:

 SequenceFile.Reader reader = 
           new SequenceFile.Reader(conf, SequenceFile.Reader.file(path))