网站建设公司-信科网络,网站宜昌,阿里云手机版网站建设,网站出现乱码的原因在编写MapReduce程序时#xff0c;需要考虑如下几个方面#xff1a;
1、输入数据接口#xff1a;InputFormat
默认使用的实现类是#xff1a;TextInputFormatTextInputFormat的功能逻辑是#xff1a;一次读一行文本#xff0c;然后将该行的起始偏移量作为key#xff0…在编写MapReduce程序时需要考虑如下几个方面
1、输入数据接口InputFormat
默认使用的实现类是TextInputFormatTextInputFormat的功能逻辑是一次读一行文本然后将该行的起始偏移量作为key行内容作为value返回KeyValueTextInputFormat每行均为一条记录被分隔符分割为keyvalue。默认分隔符为tab\t).NLineInputFormat按照指定的行数N来划分切片。CombineTextInputFormat可以把多个小文件合并成一个切片处理提高处理效率。用户还可以自定义InputFormat
2、逻辑处理接口Mapper
用户根据业务需求实现其中三个方法map() setup() cleanup()
3、Partitioner分区
有默认实现HashPartitioner逻辑是根据key的哈希值和numReduces来返回一个分区号(key.hashCode() Integer.MAX_VALUE) % numReduceTasks;如果业务上有特别需求可以自定义分区
4、Comparable排序
当我们用自定义的对象作为key来输出时就必须要实现WritableComparable接口重写其中的compareTo方法。部分排序对最终输出的每一个文件进行内部排序。全排序对所有数据进行排序通常只有一个Reduce。二次排序排序的条件有两个。
5、Combiner合并
Combiner合并可以提高程序执行效率减少IO传输。但是使用时必须不能影响原油的业务处理结果。
6、Reduce端分组GroupingComparator
在Reduce端对key进行分组。应用于在接受的key为bean对象时想让一个或几个字段相同全部字段比较不同的key进入到同一个reduce方法时可以采用分组排序。
7、逻辑处理接口Reducer
用户根据业务需求实现其中三个方法reduce() setup() cleanup()
8、输出数据接口OutputFormat
默认实现类是TextOutputFormat功能逻辑是将每一个KV对向目标文件输出一行。将SequenceFileOutputFormat输出作为后续MapReduce任务的输入这便是一种好的输出格式因为它的格式紧凑很容易被压缩。用户还可以自定义OutputFormat。
