Java CombineFileInputFormat Hadoop 0.20.205的实现
有人能指出我在哪里可以找到使用Hadoop 0.20.205的Java CombineFileInputFormat Hadoop 0.20.205的实现,java,mapreduce,inputformatter,Java,Mapreduce,Inputformatter,有人能指出我在哪里可以找到使用Hadoop 0.20.205的CombineFileInputFormat(org.using Hadoop 0.20.205)的实现吗?这是使用EMR从非常小的日志文件(行中的文本)创建大的拆分 令人惊讶的是,Hadoop没有为这个类专门为此目的而设计的默认实现,谷歌搜索似乎并不是唯一一个对此感到困惑的人。我需要编译这个类并将其打包到一个jar中,用于Hadoop流媒体,而Java知识有限,这是一个挑战 编辑: 我已经尝试了yetitrails示例,并进行了必要
CombineFileInputFormat
(org.using Hadoop 0.20.205)的实现吗?这是使用EMR从非常小的日志文件(行中的文本)创建大的拆分
令人惊讶的是,Hadoop没有为这个类专门为此目的而设计的默认实现,谷歌搜索似乎并不是唯一一个对此感到困惑的人。我需要编译这个类并将其打包到一个jar中,用于Hadoop流媒体,而Java知识有限,这是一个挑战
编辑:
我已经尝试了yetitrails示例,并进行了必要的导入,但下一个方法出现了编译器错误。以下是我为您提供的一个实现:
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.FileSplit;
import org.apache.hadoop.mapred.InputSplit;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.LineRecordReader;
import org.apache.hadoop.mapred.RecordReader;
import org.apache.hadoop.mapred.Reporter;
import org.apache.hadoop.mapred.lib.CombineFileInputFormat;
import org.apache.hadoop.mapred.lib.CombineFileRecordReader;
import org.apache.hadoop.mapred.lib.CombineFileSplit;
@SuppressWarnings("deprecation")
public class CombinedInputFormat extends CombineFileInputFormat<LongWritable, Text> {
@SuppressWarnings({ "unchecked", "rawtypes" })
@Override
public RecordReader<LongWritable, Text> getRecordReader(InputSplit split, JobConf conf, Reporter reporter) throws IOException {
return new CombineFileRecordReader(conf, (CombineFileSplit) split, reporter, (Class) myCombineFileRecordReader.class);
}
public static class myCombineFileRecordReader implements RecordReader<LongWritable, Text> {
private final LineRecordReader linerecord;
public myCombineFileRecordReader(CombineFileSplit split, Configuration conf, Reporter reporter, Integer index) throws IOException {
FileSplit filesplit = new FileSplit(split.getPath(index), split.getOffset(index), split.getLength(index), split.getLocations());
linerecord = new LineRecordReader(conf, filesplit);
}
@Override
public void close() throws IOException {
linerecord.close();
}
@Override
public LongWritable createKey() {
// TODO Auto-generated method stub
return linerecord.createKey();
}
@Override
public Text createValue() {
// TODO Auto-generated method stub
return linerecord.createValue();
}
@Override
public long getPos() throws IOException {
// TODO Auto-generated method stub
return linerecord.getPos();
}
@Override
public float getProgress() throws IOException {
// TODO Auto-generated method stub
return linerecord.getProgress();
}
@Override
public boolean next(LongWritable key, Text value) throws IOException {
// TODO Auto-generated method stub
return linerecord.next(key, value);
}
}
}
你在雪人步道的例子中发现了什么错误?我觉得还可以。你看到了吗:@Charles,谢谢你,我得到的错误是“错误:MyKeyValueLineRecordReader不是抽象的,不会覆盖RecordReader中的下一个抽象方法(对象,对象)”嗨@Amar,索引从哪里来?@ManikandanKannan:使用这种InputFormat时,您不必担心索引。要使用它,只需执行
conf.setInputFormat(CombinedInputFormat.class);
如上所示。但仅供参考的索引可能是hadoop内部初始化记录读取器时传递的分割数。非常感谢!在这个解决方案之前花了1小时40分钟的工作现在只需要5分钟。另外,整个文件记录读取器来自Tom White book。感谢您发表这么多评论源代码:)做得好!Brillent,使用这个组合器,我的工作从30分钟变为2分钟。我的每个小文件都有5MB的大小,跨越了4000个地图绘制者,相比之下,这个小文件覆盖了71个地图绘制者combiner@Prometheus…我已经将此组合输入格式实现用于小文件…但映射器的数量已从100减少到25,但已看到,但在以后的情况下,从(100分钟到33分钟)你能告诉我你的工作前后是什么吗,confs?这是我的问题
...
if (argument != null) {
conf.set("mapred.max.split.size", argument);
} else {
conf.set("mapred.max.split.size", "134217728"); // 128 MB
}
...
conf.setInputFormat(CombinedInputFormat.class);
...