文章目录
（105）OutputFormat概述
我们之前讲过了Map阶段的InputFormat，对应的，Reduce阶段也有自己的OutputFormat。
Reducer在执行完reduce()之后，接下来就会通过OutputFormat来将处理结果输出至外界环境。
Hadoop里默认使用的是TextOutputFormat，即将reduce()的处理结果，按行输出到文件。
而OutputFormat是MapReduce输出的基类，所有实现了MR输出的程序，都必须实现OutputFormat接口。
OutputFormat有几种官方自带的实现类（具体功能就不展开了）：
- NullOutputFormat
- FileOutputFormat
- MapFileOutputFormat
- SequenceFileOutputFormat
- TextOutputFormat（默认）
- FilterOutputFormat
- LazyOutputFormat
- DBOutputFormat
OutputFormat类的核心方法：public abstract RecordWriter<K,V> getRecordWriter(...)
最终结果怎么写，以什么形式写，写到哪儿，等等这些，都是在getRecordWriter()里控制的。
当然，这些自带的实现类在日常的生产中肯定是不足以满足各种情况的，所以多数情况下，我们会实现自定义的OutputFormat类。
自定义OutputFormat实现类需要：
- 继承FileOutputFormat；
- 改写RecordWriter，具体改写输出数据的方法write()
（106）自定义OutputFormat案例需求分析
需求：输入是一个日志文件，即log.txt，里面是罗列了一些访问过的网站，现在需要把其中包含atguigu的网站输出到a.log，不包含atguigu的网站输出到b.log。
输入数据形如：
http://www.baidu.com
http://www.atguibu.com
...我们需要自定义一个OutputFormat类，即创建一个类LogRecordWriter继承RecordWriter，然后创建两个文件输出流，一个是atguiguOut，一个是otherOut。如果输入数据包含atguigu，就输出到atguiguOut，反之则输出到otherOut流。
最后还需要在驱动类里注册一下：
java
job.setOutputFormatClass(LogOutputFormat.class);附注：
其实这个需求从直观上来讲，是可以通过分区来实现类似功能的，但是很遗憾，分区的话无法控制输出文件的名字，所以没法严格符合需求。
（107/108）自定义OutputFormat案例实现
这里直接复制了教程里的代码，来介绍一下，如何针对上一小节提出的需求，自定义OutputFormat。
自定义Mapper
首先需要创建一个自定义的Mapper类，如class LogMapper extends Mapper<LongWritable, Text, Text, NullWritable>
java
package com.atguigu.mapreduce.outputformat;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
public class LogMapper extends Mapper<LongWritable, Text,Text, NullWritable> {
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//不做任何处理,直接写出一行log数据
context.write(value,NullWritable.get());
}
}自定义Reducer
然后新建一个自定义Reducer类：
java
package com.atguigu.mapreduce.outputformat;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
public class LogReducer extends Reducer<Text, NullWritable,Text, NullWritable> {
@Override
protected void reduce(Text key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException {
// 防止有相同的数据,迭代写出
for (NullWritable value : values) {
context.write(key,NullWritable.get());
}
}
}自定义OutputFormat
这里是最重要的一步，就是自定义一个OutputFormat类，继承RecordWriter：
- 创建两个文件的输出流：atguiguOut、otherOut；
- 如果输入数据中含有atguigu，则输出至atguiguOut，反之则输出到otherOut;
首先自定义OutputFormat类，重写RecordWriter方法，将我们自定义的LogRecordWriter放进去。
java
package com.atguigu.mapreduce.outputformat;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.RecordWriter;
import org.apache.hadoop.mapreduce.TaskAttemptContext;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import java.io.IOException;
public class LogOutputFormat extends FileOutputFormat<Text, NullWritable> {
@Override
public RecordWriter<Text, NullWritable> getRecordWriter(TaskAttemptContext job) throws IOException, InterruptedException {
//创建一个自定义的RecordWriter返回
LogRecordWriter logRecordWriter = new LogRecordWriter(job);
return logRecordWriter;
}
}然后编写LogRecordWriter类，：
java
package com.atguigu.mapreduce.outputformat;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.RecordWriter;
import org.apache.hadoop.mapreduce.TaskAttemptContext;
import java.io.IOException;
public class LogRecordWriter extends RecordWriter<Text, NullWritable> {
private FSDataOutputStream atguiguOut;
private FSDataOutputStream otherOut;
public LogRecordWriter(TaskAttemptContext job) {
try {
//获取文件系统对象
FileSystem fs = FileSystem.get(job.getConfiguration());
//用文件系统对象创建两个输出流对应不同的目录
atguiguOut = fs.create(new Path("d:/hadoop/atguigu.log"));
otherOut = fs.create(new Path("d:/hadoop/other.log"));
} catch (IOException e) {
e.printStackTrace();
}
}
@Override
public void write(Text key, NullWritable value) throws IOException, InterruptedException {
String log = key.toString();
//根据一行的log数据是否包含atguigu,判断两条输出流输出的内容
if (log.contains("atguigu")) {
atguiguOut.writeBytes(log + "\n");
} else {
otherOut.writeBytes(log + "\n");
}
}
@Override
public void close(TaskAttemptContext context) throws IOException, InterruptedException {
//关流
IOUtils.closeStream(atguiguOut);
IOUtils.closeStream(otherOut);
}
}Driver
最后编写LogDriver驱动类，把我们前面自定义的的类统统在驱动类里注册上：
java
package com.atguigu.mapreduce.outputformat;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import java.io.IOException;
public class LogDriver {
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);
job.setJarByClass(LogDriver.class);
job.setMapperClass(LogMapper.class);
job.setReducerClass(LogReducer.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(NullWritable.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(NullWritable.class);
//设置自定义的outputformat
job.setOutputFormatClass(LogOutputFormat.class);
FileInputFormat.setInputPaths(job, new Path("D:\\input"));
//虽然我们自定义了outputformat，但是因为我们的outputformat继承自fileoutputformat
//而fileoutputformat要输出一个_SUCCESS文件，所以在这还得指定一个输出目录
FileOutputFormat.setOutputPath(job, new Path("D:\\logoutput"));
boolean b = job.waitForCompletion(true);
System.exit(b ? 0 : 1);
}
}至此需求完成。