MR中使用sequnceFIle输入文件
转换原始数据为块压缩的SequenceFIle
- import org.apache.hadoop.conf.Configuration;
- import org.apache.hadoop.conf.Configured;
- import org.apache.hadoop.fs.FileSystem;
- import org.apache.hadoop.fs.Path;
- import org.apache.hadoop.io.LongWritable;
- import org.apache.hadoop.io.SequenceFile.CompressionType;
- import org.apache.hadoop.io.Text;
- import org.apache.hadoop.io.compress.GzipCodec;
- import org.apache.hadoop.mapreduce.Job;
- import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
- import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
- import org.apache.hadoop.mapreduce.lib.output.SequenceFileOutputFormat;
- import org.apache.hadoop.util.Tool;
- import org.apache.hadoop.util.ToolRunner;
- import com.hadoop.compression.lzo.LzoCodec;
- public class ToSeqFile extends Configured implements Tool {
- @Override
- public int run(String[] arg0) throws Exception {
- Job job = new Job();
- job.setJarByClass(getClass());
- Configuration conf=getConf();
- FileSystem fs = FileSystem.get(conf);
- FileInputFormat.setInputPaths(job, "/home/hadoop/tmp/tmplzo.txt");
- Path outDir=new Path("/home/hadoop/tmp/tmplzo.out");
- fs.delete(outDir,true);
- FileOutputFormat.setOutputPath(job, outDir);
- //job.setMapperClass(IndentityMapper);
- job.setNumReduceTasks(0);
- job.setOutputKeyClass(LongWritable.class);
- job.setOutputValueClass(Text.class);
- //设置OutputFormat为SequenceFileOutputFormat
- job.setOutputFormatClass(SequenceFileOutputFormat.class);
- //允许压缩
- SequenceFileOutputFormat.setCompressOutput(job, true);
- //压缩算法为gzip
- SequenceFileOutputFormat.setOutputCompressorClass(job, LzoCodec.class);
- //压缩模式为BLOCK
- SequenceFileOutputFormat.setOutputCompressionType(job, CompressionType.BLOCK);
- return job.waitForCompletion(true)?0:1;
- }
- public static void main(String[] args) throws Exception {
- int res = ToolRunner.run(new Configuration(), new ToSeqFile(), args);
- System.exit(res);
- }
- }
MR处理压缩后的sequenceFile
- import org.apache.hadoop.io.Text;
- import java.io.File;
- import java.io.IOException;
- import java.net.URI;
- import java.util.Iterator;
- import java.util.StringTokenizer;
- import org.apache.hadoop.conf.Configuration;
- import org.apache.hadoop.conf.Configured;
- import org.apache.hadoop.fs.FileSystem;
- import org.apache.hadoop.fs.Path;
- import org.apache.hadoop.io.IntWritable;
- import org.apache.hadoop.io.NullWritable;
- import org.apache.hadoop.io.Text;
- import org.apache.hadoop.io.compress.*;
- import org.apache.hadoop.mapreduce.ContextFactory;
- import org.apache.hadoop.mapreduce.InputSplit;
- 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.input.FileSplit;
- import org.apache.hadoop.mapreduce.lib.input.SequenceFileInputFormat;
- import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
- import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
- import org.apache.hadoop.mapreduce.lib.output.MapFileOutputFormat;
- import org.apache.hadoop.mapreduce.lib.output.MultipleOutputs;
- import org.apache.hadoop.mapreduce.lib.output.SequenceFileOutputFormat;
- import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
- import org.apache.hadoop.util.GenericOptionsParser;
- import org.apache.hadoop.util.Progressable;
- import org.apache.hadoop.util.Tool;
- import org.apache.hadoop.util.ToolRunner;
- import org.apache.commons.logging.Log;
- import org.apache.commons.logging.LogFactory;
- //import org.apache.hadoop.mapred.DeprecatedLzoTextInputFormat;
- import com.hadoop.compression.lzo.LzoCodec;
- import com.hadoop.mapreduce.LzoTextInputFormat;
- public class compress extends Configured implements Tool {
- private static final Log log = LogFactory.getLog(compress.class);
- private static class ProvinceMapper extends
- Mapper<Object, Text, Text, Text> {
- @Override
- protected void map(Object key, Text value, Context context)
- throws IOException, InterruptedException {
- //System.out.println(value);
- // InputSplit inputSplit = context.getInputSplit();
- //String fileName = ((FileSplit) inputSplit).getPath().toString();
- //System.out.println(fileName);
- context.write(value, value);
- }
- }
- private static class ProvinceReducer extends
- Reducer<Text, Text, Text, Text> {
- @Override
- protected void reduce(Text key, Iterable<Text> values, Context context)
- throws IOException, InterruptedException {
- for (Text va : values) {
- // System.out.println("reduce " + key);
- context.write(key, key);
- }
- }
- }
- public static void main(String[] args) throws Exception {
- ToolRunner.run(new Configuration(), new compress(), args);
- }
- public static final String REDUCES_PER_HOST = "mapreduce.sort.reducesperhost";
- @Override
- public int run(String[] args) throws Exception {
- log.info("我的服务查询开始.....................................");
- long beg = System.currentTimeMillis();
- int result = 0;
- Configuration conf = new Configuration();
- conf.set(
- "io.compression.codecs",
- "org.apache.hadoop.io.compress.DefaultCodec,org.apache.hadoop.io.compress.GzipCodec,com.hadoop.compression.lzo.LzopCodec");
- conf.set("io.compression.codec.lzo.class",
- "com.hadoop.compression.lzo.LzoCodec");
- conf.setBoolean("mapreduce.map.output.compress", true);
- conf.setClass("mapreduce.map.output.compression.codec", SnappyCodec.class, CompressionCodec.class);
- // conf.setBoolean("mapreduce.output.fileoutputformat.compress", true); // 是否压缩输出
- conf.setClass("mapreduce.output.fileoutputformat.compress.codec", SnappyCodec.class, CompressionCodec.class);
- String[] argArray = new GenericOptionsParser(conf, args)
- .getRemainingArgs();
- if (argArray.length != 2) {
- System.err.println("Usage: compress <in> <out>");
- System.exit(1);
- }
- // Hadoop总共有5个Job.java
- // /hadoop-2.0.0-cdh4.5.0/src/hadoop-mapreduce-project/hadoop-mapreduce-client/hadoop-mapreduce-client-core/src/main/java/org/apache/hadoop/mapreduce/Job.java
- Job job = new Job(conf, "compress");
- job.setJarByClass(compress.class);
- job.setMapperClass(ProvinceMapper.class);
- job.setReducerClass(ProvinceReducer.class);
- job.setMapOutputKeyClass(Text.class);
- job.setMapOutputValueClass(Text.class);
- job.setOutputKeyClass(Text.class);
- job.setOutputValueClass(Text.class);
- //job.setInputFormatClass(LzoTextInputFormat.class); // TextInputFormat
- // MyFileinput
- // 使用lzo索引文件作为输入文件
- // job.setInputFormatClass(LzoTextInputFormat.class);
- job.setInputFormatClass(SequenceFileInputFormat.class);
- // SequenceFileOutputFormat.set(job, LzoCodec.class);
- // 测试块大小
- // FileInputFormat.setMinInputSplitSize(job, 150*1024*1024);
- // FileInputFormat.setMinInputSplitSize(job, 301349250);
- // FileInputFormat.setMaxInputSplitSize(job, 10000);
- // 推测执行的开关 另外还有针对map和reduce的对应开关
- // job.setSpeculativeExecution(false);
- FileInputFormat.addInputPath(job, new Path(argArray[0]));
- FileOutputFormat.setOutputPath(job, new Path(argArray[1]));
- String uri = argArray[1];
- Path path = new Path(uri);
- FileSystem fs = FileSystem.get(URI.create(uri), conf);
- if (fs.exists(path)) {
- fs.delete(path);
- }
- result = job.waitForCompletion(true) ? 0 : 1;
- // try {
- // result = job.waitForCompletion(true) ? 0 : 1;
- // } catch (ClassNotFoundException | InterruptedException e) {
- // e.printStackTrace();
- // }
- long end = (System.currentTimeMillis() -beg) ;
- System.out.println("耗时:" + end);
- return result;
- }
- }
测试结果
文件大小 544M(未使用任何压缩)
耗时:73805
使用 seqencefile(block使用lzo压缩, 中间结果使用snappy压缩)
44207s
MR中使用sequnceFIle输入文件的更多相关文章
- MR中的combiner和partitioner
1.combiner combiner是MR编程模型中的一个组件: 有些任务中map可能会产生大量的本地输出,combiner的作用就是在map端对输出先做一次合并,以减少map和reduce节点之间 ...
- 总结的MR中连接操作
1 reduce side join在map端加上标记, 在reduce容器保存,然后作笛卡尔积缺点: 有可能oom 2 map side join 2.1 利用内存和分布式缓存,也有oom风险 2 ...
- MR中简单实现自定义的输入输出格式
import java.io.DataOutput; import java.io.IOException; import java.util.HashMap; import java.util.Ma ...
- MR操作
MR操作————Map.Partitioner.Shuffle.Combiners.Reduce 1.Map步骤 1.1 读取输入文件,解析成k-v对,其中每个k-v对调用一次map函数 1.2 写自 ...
- 【转】Hive配置文件中配置项的含义详解(收藏版)
http://www.aboutyun.com/thread-7548-1-1.html 这里面列出了hive几乎所有的配置项,下面问题只是说出了几种配置项目的作用.更多内容,可以查看内容问题导读:1 ...
- MapReduce中的Join
一. MR中的join的两种方式: 1.reduce side join(面试题) reduce side join是一种最简单的join方式,其主要思想如下: 在map阶段,map函数同时读取两个文 ...
- Hive配置文件中配置项的含义详解(收藏版)
这里面列出了hive几乎所有的配置项,下面问题只是说出了几种配置项目的作用.更多内容,可以查看内容 问题导读: 1.hive输出格式的配置项是哪个? 2.hive被各种语言调用如何配置? 3.hive ...
- Spark中Task,Partition,RDD、节点数、Executor数、core数目的关系和Application,Driver,Job,Task,Stage理解
梳理一下Spark中关于并发度涉及的几个概念File,Block,Split,Task,Partition,RDD以及节点数.Executor数.core数目的关系. 输入可能以多个文件的形式存储在H ...
- Spark中Task,Partition,RDD、节点数、Executor数、core数目(线程池)、mem数
Spark中Task,Partition,RDD.节点数.Executor数.core数目的关系和Application,Driver,Job,Task,Stage理解 from:https://bl ...
随机推荐
- android中的Touch研究
android中的事件类型分为按键事件和屏幕触摸事件,Touch事件是屏幕触摸事件的基础事件,有必要对它进行深入的了解. 一个最简单的屏幕触摸动作触发了一系列Touch事件:ACTION_DOWN-& ...
- 2018上半年DDoS攻击报告:流量峰值达1.7Tbps
欢迎大家前往腾讯云+社区,获取更多腾讯海量技术实践干货哦~ 2018年上半年DDoS攻防仍如火如荼发展,以IoT设备为反射点的SSDP反射放大尚未平息,Memcached DDoS又异军突起,以最高可 ...
- 用 Python 构建 web 应用
用 Python 构建 web 应用 如果说仅仅要用 Python 构建 web 应用,可以将 socket 连接.HTTP 原始请求和响应格式等涉及网络基础的东西交给现成的库来实现,只需要专注于 w ...
- bnu 28890 &zoj 3689——Digging——————【要求物品次序的01背包】
Digging Time Limit: 2000ms Memory Limit: 65536KB This problem will be judged on ZJU. Original ID: 36 ...
- IIS7部署网站出现500.19错误(权限不足)的解决方案
错误摘要 HTTP 错误 500.19 - Internal Server Error 无法访问请求的页面,因为该页的相关配置数据无效. 详细错误信息 模块 IIS Web Core 通知 未知 处理 ...
- C#学习笔记8
1.泛型的约束: (1)接口约束: (2)基类约束,基类约束必须放在第一(假如有多个约束): (3)struct/class约束: (4)多个参数类型的约束,每个类型参数都要用where关键字: (5 ...
- SelectedItems的用法讲解
在做俄罗斯方块的时候写了下面一段代码: private void listView1_SelectedIndexChanged(object sender, EventArgs e) ...
- vim右键粘贴 等杂
putty连上linux,vim编辑个文件,我去,右键不能用用上下面的命令,就好了. set mouse-=a 今天发现mysql倒入utf-8的文件网站显示出来都是乱码,不过用utf-8的控制台看是 ...
- 在MVC中使用Bundle打包压缩js和css
第一步:安装 安装“System.Web.Optimization”:在中“NuGet”中搜索 安装. 第二步:配置 配置“Views”目录下的“web.config”文件增加“System.Web. ...
- C#实现Stream与byte[]之间的转换实例教程
一.二进制转换成图片 MemoryStream ms = new MemoryStream(bytes); ms.Position = ; Image img = Image.FromStream(m ...