MapReduce多重MR如何实现

最新推荐文章于 2021-12-06 23:17:18 发布

weixin_34177064

最新推荐文章于 2021-12-06 23:17:18 发布

阅读量161

点赞数

文章标签：大数据

本文介绍了Hadoop MapReduce作业管理中的两个实用技巧：一是如何通过判断并删除输出目录避免重复输出；二是如何通过设置临时目录来实现多阶段MapReduce作业的连续处理，确保数据处理流程高效且有序。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、每次输出文件存在很烦人

// 判断output文件夹是否存在，如果存在则删除  
        Path path = new Path(otherArgs[1]);// 取第1个表示输出目录参数（第0个参数是输入目录）  
        FileSystem fileSystem = path.getFileSystem(conf);// 根据path找到这个文件  
        if (fileSystem.exists(path)) {  
            fileSystem.delete(path, true);// true的意思是，就算output有东西，也一带删除  
        }

二、多重MR

    /设置第一轮MapReduce的相应处理类与输入输出  
        Job job1 = new Job(conf);  
        .
        .
        .
  
        // 定义一个临时目录，先将任务的输出结果写到临时目录中, 下一个job以临时目录为输入目录。  
        FileInputFormat.addInputPath(job1, new Path(otherArgs[0]));  
        Path tempDir = new Path("temp_"  
                + Integer.toString(new Random().nextInt(Integer.MAX_VALUE)));  
        FileOutputFormat.setOutputPath(job1, tempDir);  
  
        if (job1.waitForCompletion(true)) {//如果第一轮MapReduce完成再做这里的代码  
            Job job2 = new Job(conf);  
            FileInputFormat.addInputPath(job2, tempDir);  
            //设置第二轮MapReduce的相应处理类与输入输出  
            .
            .
            FileOutputFormat.setOutputPath(job2, new Path(otherArgs[1]));  
            
            FileSystem.get(conf).deleteOnExit(tempDir);//搞完删除刚刚的临时创建的输入目录  
            System.exit(job2.waitForCompletion(true) ? 0 : 1);  
        }