如何去掉MapReduce输出的默认分隔符

我们在用MapReduce做数据处理的时候，经常会遇到将只需要输出键或者值的情况，如context.write(new Text(record), new Text("")),这样得到结果每行尾部会自动加上一个制表符。尽管我们的值是空的，但是MapReduce默认输出的是键值对，且键值对之间默认的分隔符为制表符，这样可能对我们数据的后续处理会产生一些干扰，那么如何去掉或是更改这个制表符呢？这里提供三种解决办法：

方法一：将键设置为空值

一般我们用context写入数据的时候，是将要输出的值写在键处，而将值设为""。但是只要反过来，将键设为空值，而值设为我们要输出的条目，如context.write(null, new Text(record))，输出的每行后面就不会有制表符了。

方法二：自定义输出数据格式

自定义输出数据格式的步骤如下：

1）定义一个继承自OutputFormat的类，不过一般继承FileOutputFormat即可；

2）实现其getRecordWriter方法，返回一个RecordWriter类型

3）自定义一个继承RecordWriter的类，定义去writer方法，针对每个<key,value>写入文件数据。

具体代码参考：http://www.tuicool.com/articles/BVvMry

如果是采用Streaming模式做MapReduce开发，可以在运行程序的时候加上-jobconf选项来修改map或者reduce输出分隔符，其参数如下：

stream.map.output.field.separator 指定map输出时的分割符

stream.num.map.output.key.fields 指定map输出按照分隔符切割后，key所占有的列数

stream.reduce.output.field.separator 指定reduce输出时的分割符

stream.num.reduce.output.key.fields 指定reduce输出按照分隔符切割后，key所占有的列数

下面展示的是更改分割符为“,”，取前两列作为key的例子：

-jobconfstream.map.output.field.separator=','

-jobconfstream.num.map.output.key.fields=2

参考：http://wingmzy.iteye.com/blog/1260570

方法三：文本处理删除TAB键

如果已经得到了含有Tab键MapReduce的输出，可以直接在本地做文本处理，去掉里面的Tab键，以Java代码为例：

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileReader;
import java.io.FileWriter;

public class DeleteTAB {

public static void main(String[] args) {
try {
File file = new File("output.txt");
BufferedReader reader = new BufferedReader(new FileReader("input.txt"));
BufferedWriter writer = new BufferedWriter(new FileWriter(file));
try {
String line = new String();
while((line=reader.readLine()) != null) {
line = line.replaceAll("\\s*", ""); //"\\s"表示所有空白符
writer.append(line);
writer.newLine();
}
} catch (Exception e) {
e.printStackTrace();
} finally {
reader.close();
writer.close();
}
} catch (Exception e) {
e.printStackTrace();
}

}

---------------------
作者：xidianycy
来源：CSDN
原文：https://blog.csdn.net/u014374284/article/details/44918255
版权声明：本文为博主原创文章，转载请附上博文链接！

巴特西

如何去掉MapReduce输出的默认分隔符

最新文章

热门文章