MultiPleOutputs原理
MapReduce job中，可以使用FileInputFormat和FileOutputFormat来对输入路径和输出路径来进行设置。在输出目录中，框架自己会自动对输出文件进行命名和组织，如part-(m|r)-00000之类，但有时为了后续流程的方便，我们常需要对输出结果进行一定的分类和组织。以前常用的方法是在MR job运行之后，用脚本对目录下的数据进行一次重新组织，变成我们需要的格式。
研究了一下MR框架中的MultipleOutputs(是2.0之后的新API，是对老版本中MultipleOutputs与MultipleOutputFormat的一个整合)。在一般情况下，Hadoop每一个Reducer产生一个输出文件，文件以part-r-00000,part-r-00001的方式进行命名，如果需要认为的控制输出文件的命名或者每一个Reducer需要写出多个输出文件时，可以采用MultipleOutputs类来完成，MultipleOutputs采用输出记录的键值对（output Key和output Value）或者任意字符串来生成输出文件的名字，，文件一般以name-r-nnnnn的格式进行命名，其中name是程序设计的任意名字；nnnnn表示分区号。
使用方法
1.驱动中不需要额外改变，只需要在MapClass或Reduce类中加入以下代码
private MultipleOutputs<Text,IntWritable> mos;public void setup(Context context) throws Exception{ mos=new MultipleOutputs(context);}public void cleanup(Context context) throws Exeception{ mos.close();}
2.然后就可以用mos.write(Key key,Value value,String baseOutputPath)代替context.write(key,value);在MapClass或Reduce中使用，输出时也会有默认的文件part-m-00*或part-r-00*,不过这些文件是无内容的，大小为0。而且只有part-m-00*会传给reduce。
注意：multipleOutputs.write(key,value,baseOutputPath)方法的第三个参数表明了该输出所在的目录（相当于用户指定的输出目录）。如果baseOutputPath不包含文件分隔符"/",那么输出的文件格式为baseOutputPath-r-nnnnn(name-r-nnnnn).如果包含文件分隔符"/".例如baseOutputPath="029070-99999/1901/part",那么输出文件则为027070-99999/1901/part-r-nnnnn.
3.最后在job的类中
// 设置输出文件类型
MultipleOutputs.addNamedOutput(job, namedOutput, outputFormatClass, keyClass, valueClass);
案例
原始数据
1512,iphone5s,4inchs,A7,64,M7,lowerpower1512,iphone5,4inchs,A6,IOS71512,iphone4s,3.5inchs,A550019780,Ipad,9.7,retina50019780,yoga,lenovel,18hours50019780,nexus,7,google50019780,Ipad mini2,retina,7.91101,macbook air,OS X mavericks1101,macbook pro,OS X lion1101,thinkpad yoga,lenovel,windows 8
对原始数据根据第一个id列进行分类到不同的文件中
1.Map类
package test.mr.multioutputs;import java.io.IOException;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Mapper;public class MultioutMap extends Mapper<LongWritable, Text, Text, Text> {@Overrideprotected void map(LongWritable key, Text value,Mapper<LongWritable, Text, Text, Text>.Context context)throws IOException, InterruptedException {String line = value.toString().trim();if (line.length() > 0) {String str[] = line.split(",");// 提取分类context.write(new Text(str[0]), value);}}}
2.Reduce类
package test.mr.multioutputs;import java.io.IOException;import org.apache.hadoop.io.NullWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Reducer;import org.apache.hadoop.mapreduce.lib.output.MultipleOutputs;public class MultioutRedu extends Reducer<Text, Text, NullWritable, Text> {private MultipleOutputs<NullWritable, Text> mos; // 输出类型和Reduce一致@Overrideprotected void setup(Reducer<Text, Text, NullWritable, Text>.Context context)throws IOException, InterruptedException {mos = new MultipleOutputs<NullWritable, Text>(context);}@Overrideprotected void cleanup(Reducer<Text, Text, NullWritable, Text>.Context context)throws IOException, InterruptedException {mos.close();}@Overrideprotected void reduce(Text key, Iterable<Text> values,Reducer<Text, Text, NullWritable, Text>.Context context)throws IOException, InterruptedException {/* * mos.write(Key key,Value * value,StringbaseOutputPath)代替context.write(key,value); */for (Text value : values) {// 指定写出不同文件的数据mos.write("KeySplit", NullWritable.get(), value, key.toString()+ "/");// 指定写出全部数据mos.write("AllData", NullWritable.get(), value);}}}
3.job类
package test.mr.multioutputs;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.NullWritable;import org.apache.hadoop.io.Text;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.MultipleOutputs;import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;public class MultioutMain {public static void main(String[] args) throws Exception {Configuration conf = new Configuration();Job job = new Job(conf);job.setJarByClass(MultioutMain.class);job.setMapperClass(MultioutMap.class);job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(Text.class);job.setReducerClass(MultioutRedu.class);job.setOutputKeyClass(NullWritable.class);job.setOutputValueClass(Text.class);// 设置输出文件类型MultipleOutputs.addNamedOutput(job, "KeySplit", TextOutputFormat.class,NullWritable.class, Text.class);MultipleOutputs.addNamedOutput(job, "AllData", TextOutputFormat.class,NullWritable.class, Text.class);FileInputFormat.addInputPath(job, new Path(args[0]));FileOutputFormat.setOutputPath(job, new Path(args[1]));job.waitForCompletion(true);}}
你并不一定会从此拥有更美好的人生，
