java - 如何(在 Hadoop 中)将数据以正确的类型放入 map 和 reduce 函数中？

Question

我有点难以理解 Hadoop 中的数据如何放入 map 和简化功能。我知道我们可以定义输入格式和输出格式，然后定义输入和输出的键类型。但是举个例子，如果我们想要一个对象作为输入类型，Hadoop 内部是如何做到的？

谢谢...

Answer 1

您可以使用 Hadoop InputFormat 和 OutputFormat 接口(interface)来创建您的自定义格式..一个示例可能是将 MapReduce 作业的输出格式化为 JSON..类似这样 -

public class JsonOutputFormat extends TextOutputFormat<Text, IntWritable> {
    @Override
    public RecordWriter<Text, IntWritable> getRecordWriter(
            TaskAttemptContext context) throws IOException, 
                  InterruptedException {
        Configuration conf = context.getConfiguration();
        Path path = getOutputPath(context);
        FileSystem fs = path.getFileSystem(conf);
        FSDataOutputStream out = 
                fs.create(new Path(path,context.getJobName()));
        return new JsonRecordWriter(out);
    }

    private static class JsonRecordWriter extends 
          LineRecordWriter<Text,IntWritable>{
        boolean firstRecord = true;
        @Override
        public synchronized void close(TaskAttemptContext context)
                throws IOException {
            out.writeChar('{');
            super.close(null);
        }

        @Override
        public synchronized void write(Text key, IntWritable value)
                throws IOException {
            if (!firstRecord){
                out.writeChars(",\r\n");
                firstRecord = false;
            }
            out.writeChars("\"" + key.toString() + "\":\""+
                    value.toString()+"\"");
        }

        public JsonRecordWriter(DataOutputStream out) 
                throws IOException{
            super(out);
            out.writeChar('}');
        }
    }
}