Я написал функцию сопоставления, которая анализирует XML и выводит результат в виде столбцов, разделенных «\ t», как показано ниже.
Name Age
ABC 23
XYZ 24
ERT 25
Используя код потоковой передачи Hadoop, как указано ниже, я пытаюсь разделить данные на основе ключа. Я хочу сделать разные выходные папки для разных ключей, т.е.
Вместо того, чтобы получать part-00000 , part-00001 и part-00003 в качестве выходных файлов в выходной папке «out_parse_part16», я хочу, чтобы папки были созданы следующим образом
/out_parse_part16/ABC,
/out_parse_part16/XYZ,
/out_parse_part16/ERT
Я хочу, чтобы данные были разделены на разные папки, определенные ключами. Есть ли способ сделать это, создав выходные папки в моем коде редуктора на основе ключей?
/opt/cloudera/parcels/CDH-5.5.2-1.cdh5.5.2.p0.4/bin/hadoop jar /opt/cloudera/parcels/CDH-5.5.2-1.cdh5.5.2.p0.4/jars/hadoop-streaming-2.6.0-cdh5.5.2.jar \
-Dstream.recordreader.begin="<START_REC>" \
-Dstream.recordreader.end="</START_REC>" \
-D mapred.job.name="parse_with_partition" \
-D stream.num.map.output.key.fields=1 \
-D map.output.key.field.separator=\t \
-D mapred.text.key.partitioner.options="-k1nr" \
-inputreader "org.apache.hadoop.streaming.StreamXmlRecordReader,begin =<START_REC>,end=</START_REC>" \
-file csv_parser_part.py \
-mapper csv_parser_part.py \
-file csv_part_reducer.py \
-reducer /csv_part_reducer.py \
-input TEST_XML2.xml \
-output out_parse_part16 \
-partitioner org.apache.hadoop.mapred.lib.KeyFieldBasedPartitioner \
-verbose
AvroTextOutputFormat
, чтобы контролировать, как называются файлы. Это возможно. ЭтотOutputFormat
расширяетFileOutputFormat
, поэтому вам нужно посмотреть, какие методы переопределить в этом классе. Это возможно. - person Binary Nerd   schedule 13.06.2016