解读：MR多路径输入

对于在一个MR-Job中使用多路径作为输入文件，一般有三种方法：

1).多次调用，加载不同路径：

import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

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

//输入路径in01 in02

String in01 = "hdfs://RS5-112:9000/cs01/path01";

String in02 = "hdfs://RS5-112:9000/cs02/path02";

//多次调用addInputPath()方法

FileInputFormat.addInputPath(job,new Path(in0));

FileInputFormat.addInputPath(job,new Path(in1));

2).一次调用，同时加载多路径(字符串用逗号隔开)：

//这种方式的第二个参数只能是:将路径以逗号拼接的字符串

FileInputFormat.addInputPaths(job,

    "hdfs://RS5-112:9000/cs01/path1,hdfs://RS5-112:9000/cs02/path2");

3).使用MultipleInputs类的方法

addInputPath(Job job, Path path,

      Class<? extends InputFormat> inputFormatClass);

addInputPath(Job job, Path path,

  Class<? extends InputFormat> inputFormatClass,

  Class<? extends Mapper> mapperClass);

MultipleInputs类的强大之处在于不仅可以多次调用addInputPath()方法加载路径，而且可以根据路径的不同指定不同的输入格式，更有甚者还可以根据输入格式的不同指定不同的Mapper函数进行处理。详见 MR案例：倒排索引 && MultipleInputs 和 MR案例：CombineFileInputFormat

DEMO1:

MultipleInputs.addInputPath(job,

        new Path("hdfs://RS5-112:9000/cs01/path01"),

        TextInputFormat.class);

MultipleInputs.addInputPath(job,

        new Path("hdfs://RS5-112:9000/cs02/path2"),

        KeyValueInputFormat.class);

DEMO2:

MultipleInputs.addInputPath(job,

        new Path("hdfs://RS5-112:9000/cs01/path01"),

        TextInputFormat.class,

        Mapper01.class);

MultipleInputs.addInputPath(job,

        new Path("hdfs://RS5-112:9000/cs02/path2"),

        KeyValueInputFormat.class,

        Mapper02.class);

巴特西

解读：MR多路径输入

最新文章

热门文章