FileOutputFormat

1. TextOutputFormat<K,V> 默认输出字符串输出格式；
2. SequenceFileOutputFormat<K,V> 序列化文件输出；
3. MultipleOutputs<K,V> 可以把输出数据输送到不同的目录；

下面我们以分析FileOutputFormat为例，得到一些启迪，来满足我们的某些需要，

如修改keyvalue的分隔符，或者是修改写入文件的行分隔符 或是 重命名文件的输出名称等需求。

FileOutputFormat里面的主要方法是

 

 

最重要的方法是getRecordWriter,recordwriter 对象用于写数据。

默认名件输出来自于方法getDefaultWorkFile(),而这个方法又调用了getUniqueFile().所以重写这些方法可以实现自己想要的文件名字。

TextOutputFormat中的

private static final byte[] newline = new byte[]{'02'}; //可用于自定义自己的new line ,例如我使用02来做新行的标志

import org.apache.hadoop.mapreduce.lib.output.MultipleOutputs;

这个类也可以在一定程度上实现改输出的文件名的功能。但它的主要功能是其名字所表达的。

它可以同时支持多种文件类型的输出，你可以把你的输出内容分目录输出，分文件输出，文件名前缀可以自己指定。

经实验，part-r-0000可能还存在，但是已经是空的，数据已经进入到你指定的文件中去了。

使用方法其实类本身中带的usage示例已经非常清楚地说明 。

驱动类中简单写下如下的代码即可：

* // Defines additional single text based output 'text' for the job
 * MultipleOutputs.addNamedOutput(job, "text", TextOutputFormat.class,
 * LongWritable.class, Text.class);
 *
 * // Defines additional sequence-file based output 'sequence' for the job
 * MultipleOutputs.addNamedOutput(job, "seq",
 *   SequenceFileOutputFormat.class,
 *   LongWritable.class, Text.class);

然后就是需要在你的mapper类或者是reducer类中，一般是reducer类中，如果你的项目没有reduce阶段，则需要写到mapper类中。

写法如下：

private MultipleOutputs mos;
 * public void setup(Context context) {
 * ...
 * mos = new MultipleOutputs(context);
 * }
 *
 * public void reduce(WritableComparable key, Iterator<Writable> values,
 * Context context)
 * throws IOException {
 * ...
 * mos.write("text", , key, new Text("Hello"));
 * mos.write("seq", LongWritable(1), new Text("Bye"), "seq_a");
 * mos.write("seq", LongWritable(2), key, new Text("Chau"), "seq_b");
 * mos.write(key, new Text("value"), generateFileName(key, new Text("value")));
 * ...
 * }
 *
 * public void cleanup(Context) throws IOException {
 * mos.close();
 * ...
 * }

 

需要注意的是TextInput(output)format ，MultipleOutputs 等类在新旧api中都有实现，即mapred.lib.output和mapreduce.lib.output，你在项目中引用的时候，一定要注意，需要保持一致，否则会报错。