`
GQM
  • 浏览: 24813 次
  • 性别: Icon_minigender_1
  • 来自: 上海
社区版块
存档分类
最新评论

[实验]avro与non-avro的mapred例子-wordcount改写

阅读更多
avro非常适合用于hadoop。在开发的时候可能有这样的场景,输入的文件是non-avro的,输出的文件是avro的。这样就需要一个是非avro的mapper和一个avro的reducer。下面通过改写wordcount例子演示这个过程。
Mapper
public class WordCountMapper extends MapReduceBase implements
		Mapper<LongWritable, Text, AvroKey<CharSequence>, AvroValue<Integer>> {
	private Text word = new Text();
	private static final AvroValue<Integer> one = new AvroValue<Integer>(1);

	public void map(LongWritable key, Text value,
			OutputCollector<AvroKey<CharSequence>, AvroValue<Integer>> output,
			Reporter reporter) throws IOException {
		String line = value.toString();
		StringTokenizer tokenizer = new StringTokenizer(line);
		while (tokenizer.hasMoreTokens()) {
			word.set(tokenizer.nextToken());
			output.collect(new AvroKey<CharSequence>(word.toString()), one);
		}
	}
}

Reducer
public class WordCountReducer extends
		AvroReducer<CharSequence, Integer, Pair<CharSequence, Integer>> {

	@Override
	public void reduce(CharSequence key, Iterable<Integer> values,
			AvroCollector<Pair<CharSequence, Integer>> collector,
			Reporter reporter) throws IOException {
		int sum = 0;
		for (Integer cnt : values) {
			sum += cnt;
		}
		collector.collect(new Pair<CharSequence, Integer>(key.toString(), sum));
	}

}

Driver
public class AvroWordCount extends Configured implements Tool {

	public static void main(String[] args) throws Exception {
		int exitCode = ToolRunner.run(new AvroWordCount(), args);
		System.exit(exitCode);
	}

	@Override
	public int run(String[] args) throws Exception {
		if(args.length != 2){
			System.out.printf("Usage %s [generic options] <in> <out>\n", getClass().getName());
			ToolRunner.printGenericCommandUsage(System.out);
			return -1;
		}
		JobConf conf = new JobConf(AvroWordCount.class);
	    conf.setJobName("wordcount");
	    conf.set("fs.default.name", "hdfs://node04vm01:9000");

	    AvroJob.setOutputSchema(conf, Pair.getPairSchema(Schema.create(Type.STRING),
	        Schema.create(Type.INT)));
		conf.setMapperClass(WordCountMapper.class);
		AvroJob.setReducerClass(conf, WordCountReducer.class);
	    conf.setInputFormat(TextInputFormat.class);
	    
		FileInputFormat.setInputPaths(conf, new Path(args[0]));
	    FileOutputFormat.setOutputPath(conf, new Path(args[1]));

	    JobClient.runJob(conf);
	    return 0;
	}
}


java -jar avro/avro-tools-1.7.5.jar tojson part-00000.avro
{"key":"But","value":3}
{"key":"By","value":2}
{"key":"Dashwood","value":12}
...
分享到:
评论

相关推荐

    avro-mapred-1.7.7-hadoop2.jar

    avro-mapred-1.7.7-hadoop2.jar

    avro的avro-tools-1.8.2的jar

    这是一个关于avro的1.8.2版本的avro-tools-1.8.2的jar包

    flink-avro-1.10.0-API文档-中文版.zip

    赠送jar包:flink-avro-1.10.0.jar; 赠送原API文档:flink-avro-1.10.0-javadoc.jar; 赠送源代码:flink-avro-1.10.0-sources.jar; 赠送Maven依赖信息文件:flink-avro-1.10.0.pom; 包含翻译后的API文档:flink-...

    avro-tools-1.8.1.jar

    avro 工具类 java -jar avro-tools-1.8.1.jar tojson --pretty test.avro &gt; output.json

    avro-mapred-1.7.8-SNAPSHOT-hadoop2

    在MapReduce任务中读取Avro文件,会使用到avro-mapred.jar。 然而目前的avro-mapred.jar是基于较老的版本的,使用时会报错: org.apache.hadoop.mapred.YarnChild: Error running child : java.lang....

    parquet-avro-1.10.0-API文档-中文版.zip

    赠送jar包:parquet-avro-1.10.0.jar; 赠送原API文档:parquet-avro-1.10.0-javadoc.jar; 赠送源代码:parquet-avro-1.10.0-sources.jar; 赠送Maven依赖信息文件:parquet-avro-1.10.0.pom; 包含翻译后的API文档...

    avro-ipc-1.8.2-API文档-中文版.zip

    赠送jar包:avro-ipc-1.8.2.jar; 赠送原API文档:avro-ipc-1.8.2-javadoc.jar; 赠送源代码:avro-ipc-1.8.2-sources.jar; 赠送Maven依赖信息文件:avro-ipc-1.8.2.pom; 包含翻译后的API文档:avro-ipc-1.8.2-...

    avro-1.11.0-API文档-中文版.zip

    赠送jar包:avro-1.11.0.jar; 赠送原API文档:avro-1.11.0-javadoc.jar; 赠送源代码:avro-1.11.0-sources.jar; 赠送Maven依赖信息文件:avro-1.11.0.pom; 包含翻译后的API文档:avro-1.11.0-javadoc-API文档-...

    kafka-avro-serializer-5.3.2.jar

    Confluent Schema Registry 在使用java开发生产者以及消费者时的依赖包,在使用时导入到工程即可

    avro-tools-1.7.6-javadoc.jar

    标签:avro-tools-1.7.6-javadoc.jar,avro,tools,1.7.6,javadoc,jar包下载,依赖包

    avro-ipc-1.7.7-API文档-中文版.zip

    赠送jar包:avro-ipc-1.7.7.jar; 赠送原API文档:avro-ipc-1.7.7-javadoc.jar; 赠送源代码:avro-ipc-1.7.7-sources.jar; 赠送Maven依赖信息文件:avro-ipc-1.7.7.pom; 包含翻译后的API文档:avro-ipc-1.7.7-...

    avro-1.7.4-API文档-中文版.zip

    赠送jar包:avro-1.7.4.jar; 赠送原API文档:avro-1.7.4-javadoc.jar; 赠送源代码:avro-1.7.4-sources.jar; 赠送Maven依赖信息文件:avro-1.7.4.pom; 包含翻译后的API文档:avro-1.7.4-javadoc-API文档-中文...

    avro-ipc-1.7.7-API文档-中英对照版.zip

    赠送jar包:avro-ipc-1.7.7.jar; 赠送原API文档:avro-ipc-1.7.7-javadoc.jar; 赠送源代码:avro-ipc-1.7.7-sources.jar; 赠送Maven依赖信息文件:avro-ipc-1.7.7.pom; 包含翻译后的API文档:avro-ipc-1.7.7-...

    avro-ipc-1.7.7.jar

    avro-ipc-1.7.7.jar

    avro的avro-1.8.1的jar

    这是关于avro的avro-1.8.1版本的avro-tools的一个jar包

    avro-tools-1.8.2.jar

    《深入理解Avro工具与Java应用:以avro-tools-1.8.2.jar为例》 在大数据处理领域,Avro扮演着至关重要的角色。它是由Apache Hadoop项目开发的一种数据序列化系统,旨在提高数据交换的效率和便利性。本文将详细探讨...

    avro-1.8.2-API文档-中文版.zip

    赠送jar包:avro-1.8.2.jar; 赠送原API文档:avro-1.8.2-javadoc.jar; 赠送源代码:avro-1.8.2-sources.jar; 赠送Maven依赖信息文件:avro-1.8.2.pom; 包含翻译后的API文档:avro-1.8.2-javadoc-API文档-中文...

    avro-mapred-1.9.2.jar

    Apache Avro是一个数据序列化系统。avro/avro-1.9.2/java

    avro-1.10.0-API文档-中文版.zip

    赠送jar包:avro-1.10.0.jar; 赠送原API文档:avro-1.10.0-javadoc.jar; 赠送源代码:avro-1.10.0-sources.jar; 赠送Maven依赖信息文件:avro-1.10.0.pom; 包含翻译后的API文档:avro-1.10.0-javadoc-API文档-...

    avro-1.7.7-API文档-中文版.zip

    赠送jar包:avro-1.7.7.jar; 赠送原API文档:avro-1.7.7-javadoc.jar; 赠送源代码:avro-1.7.7-sources.jar; 赠送Maven依赖信息文件:avro-1.7.7.pom; 包含翻译后的API文档:avro-1.7.7-javadoc-API文档-中文...

Global site tag (gtag.js) - Google Analytics