Hadoop開發中常用工具用法解析
本節和大家學習一下Hadoop開發中常用的工具InputFormat和OutputFormat使用，相信通過本節的學習大家能夠掌握更多關于Hadoop開發方面的知識，讓我們一起來學習吧。首先我們來看一下Hadoop的概念。
Hadoop概念
一個分布式系統基礎架構，由Apache基金會開發。用戶可以在不了解分布式底層細節的情況下，開發分布式程序。充分利用集群的威力高速運算和存儲。簡單地說來，Hadoop是一個可以更
容易開發和運行處理大規模數據的軟件平臺。Hadoop實現了一個分布式文件系統（HadoopDistributedFileSystem），簡稱HDFS。HDFS有著高容錯性（fault-tolerent）的特點，并且設計用
來部署在低廉的（low-cost）硬件上。而且它提供高傳輸率（highthroughput）來訪問應用程序的數據，適合那些有著超大數據集（largedataset）的應用程序。HDFS放寬了（relax）POSIX
的要求（requirements）這樣可以流的形式訪問（streamingaccess）文件系統中的數據。下面我們開始介紹Hadoop開發中常用的工具InputFormat和OutputFormat。
InputFormat和OutputFormat
Hadoop中的MapReduce框架依賴InputFormat提供數據，依賴OutputFormat輸出數據；每一個MapReduce程序都離不開他們。
Hadoop提供了一系列InputFormat和OutputFormat方便開發，本文介紹幾種常用的。TextInputFormat用于讀取純文本文件，文件被分為一系列以LF或者CR結束的行，key是每一行的位置
（偏移量,LongWritable類型），value是每一行的內容,Text類型。KeyValueTextInputFormat同樣用于讀取文件，如果行被分隔符（缺省是tab）分割為兩部分，***部分為key，剩下的部分為
value；如果沒有分隔符，整行作為key，value為空SequenceFileInputFormat用于讀取sequencefile。sequencefile是Hadoop用于存儲數據自定義格式的binary文件。它有兩個子類：
SequenceFileAsBinaryInputFormat，將key和value以BytesWritable的類型讀出；SequenceFileAsTextInputFormat，將key和value以Text的類型讀出。SequenceFileInputFilter根據filter從
sequence文件中取得部分滿足條件的數據，通過setFilterClass指定Filter，內置了三種Filter，RegexFilter取key值滿足指定的正則表達式的記錄；PercentFilter通過指定參數f，取記錄行數%
f==0的記錄；MD5Filter通過指定參數f，取MD5(key)%f==0的記錄。NLineInputFormat0.18.x新加入，可以將文件以行為單位進行split，比如文件的每一行對應一個map。得到的key是每一行
的位置（偏移量,LongWritable類型），value是每一行的內容,Text類型。CompositeInputFormat，用于多個數據源的join。TextOutputFormat，輸出到純文本文件，格式為key+""+value。
NullOutputFormat，hadoop中的/dev/null，將輸出送進黑洞。
SequenceFileOutputFormat，輸出到sequencefile格式文件。MultipleSequenceFileOutputFormat,MultipleTextOutputFormat，根據key將記錄輸出到不同的文件。DBInputFormat和
DBOutputFormat，從DB讀取，輸出到DB，預計將在0.19版本加入。本節關于Hadoop開發中常用InputFormat和OutputFormat相關內容介紹到這里。
【編輯推薦】
