hadoop - 如何在 MapReduce 中设置自定义输入格式？

Question

我正在编写 MapReduce 程序并使用 org.apache.hadoop.mapred.* 中的类。谁能告诉我这个错误的原因？我的 CustomInputFormat 类扩展了 InputFormat 并且我已经覆盖了 createRecordReader 方法。

我的 CustomInputFormat 的签名是:

class ParagraphInputFormat extends InputFormat {

    @Override
    public RecordReader createRecordReader(InputSplit arg0,
        TaskAttemptContext arg1) throws IOException, InterruptedException {
        return new CustomRecordReader();
    }

    @Override
    public List<InputSplit> getSplits(JobContext arg0) throws IOException,
        InterruptedException {
        // TODO Auto-generated method stub
        return null;
    }

}

CustomRecordReader 的签名是 class CustomRecordReader extends RecordReader

在声明此类时，我使用了 org.apache.hadoop.mapreduce.。我对 org.apache.hadoop.mapred. 和 org.apache.hadoop.mapreduce.* 感到困惑。 Eclipse 有时会继续显示已弃用的消息。我听说 apache 添加了一些类，然后删除了这些类，然后又添加了以前的类。是因为那个吗？它会影响我的代码吗？

JobConf conf = new JobConf(new Configuration(),MyMRJob.class);
        conf.setJobName("NameofJob");

        conf.setOutputKeyClass(CutomeKeyClass.class); //no error to this line
        conf.setOutputValueClass(IntWritable.class);

        conf.setMapperClass(MYMap.class);
        conf.setCombinerClass(MyReduce.class);
        conf.setReducerClass(MyReduce.class);


        conf.setInputFormat(CustomInputFormat.class);//ERROR to this line while typing
        conf.setOutputFormat(IntWritable.class);

        FileInputFormat.setInputPaths(conf, new Path(args[0]));
        FileOutputFormat.setOutputPath(conf, new Path(args[1]));

        JobClient.runJob(conf);

Answer 1

您的输入格式扩展了 mapreduce 包的 InputFormat(它扩展而不是实现并且签名匹配新 api 的签名)，但您的作业配置使用旧 API(JobConf 而不是 Job)。

因此，您需要修改自定义输入格式以实现 InputFormat (o.a.h.mapred.InputFormat)，或者修改作业配置以使用新的 API (Job)