MapReduce分組輸出到多個檔案

資料如下：

需要把相同訂單id的記錄放在一個檔案中，并以訂單id命名。

（2）實作思路

這個需求可以直接使用MultipleOutputs這個類來實作。

預設情況下，每個reducer寫入一個檔案，檔案名由分區号命名，例如’part-r-00000’，而 MultipleOutputs可以用key作為檔案名，例如‘Order_0000001-r-00000’。

是以，思路就是map中處理每條記錄，以‘訂單id’為key，reduce中使用MultipleOutputs進行輸出，會自動以key為檔案名，檔案内容就是相同key的所有記錄。

例如‘Order_0000001-r-00000’的内容就是：

Order_0000001,Pdt_05,25.8

Order_0000001,Pdt_01,222.8

Pom.xml如下：

主類：MultipleOutputTest

package duowenjianshuchu;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.MultipleOutputs;

public class MultipleOutputTest {

	static class MyMapper extends Mapper<LongWritable,Text,Text,Text>{
		@Override
		protected void map(LongWritable key, Text value,Context context)throws IOException, InterruptedException {
			String[] fields = value.toString().split(" ",2);
			context.write(new Text(fields[0]), value);
		}
	}
	
	static class MyReducer extends Reducer<Text,Text,NullWritable,Text>{
		private MultipleOutputs<NullWritable, Text> multipleOutputs;
		
		protected void setup(Context context){
			multipleOutputs = new MultipleOutputs<NullWritable, Text>(context);
		}
		
		@Override
		protected void reduce(Text key, Iterable<Text> values,Context context)throws IOException, InterruptedException {
			for (Text value : values) {
				multipleOutputs.write(NullWritable.get(), value, key.toString());
			}
		}
		
		protected void cleanup(Context context) throws IOException, InterruptedException{
			multipleOutputs.close();
		}
	}
	
	public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
		Configuration conf = new Configuration();
		Job job = Job.getInstance(conf);
		job.setJarByClass(MultipleOutputTest.class);
		
		job.setJobName("MultipleOutputTest");
		
		job.setMapperClass(MyMapper.class);
		job.setReducerClass(MyReducer.class);
		
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(Text.class);
		
		job.setOutputKeyClass(NullWritable.class);
		job.setOutputValueClass(Text.class);
		
		FileInputFormat.setInputPaths(job, new Path(args[0]));
		FileOutputFormat.setOutputPath(job, new Path(args[1]));
		
		job.waitForCompletion(true);
	}
}
           

結果展示如下：