在hadoop中保存hdfs中的json数据

Question

我有以下Reducer类

public static class TokenCounterReducer extends Reducer<Text, Text, Text, Text> {
    public void reduce(Text key, Iterable<Text> values, Context context)
            throws IOException, InterruptedException {

        JSONObject jsn = new JSONObject();

        for (Text value : values) {
            String[] vals = value.toString().split("\t");
            String[] targetNodes = vals[0].toString().split(",",-1);
            jsn.put("source",vals[1] );
            jsn.put("target",targetNodes);

        }
        // context.write(key, new Text(sum));
    }
}

通过示例(免责声明:新手在这里),我可以看到一般输出类型似乎是一个键/值存储.

但是,如果输出中没有任何键,该怎么办？或者如果我想要的话,如果我的输出是其他格式(在我的情况下为json)？

无论如何,从上面的代码:我想写json对象到HDFS？

这在Hadoop流媒体中非常简单..但我如何在Hadoop java中做到这一点？

Answer 1

您可以使用Hadoop的OutputFormat接口来创建自定义格式,这些格式将根据您的意愿写入数据.例如,如果您需要将数据写为JSON对象,那么您可以这样做:

public class JsonOutputFormat extends TextOutputFormat<Text, IntWritable> {
    @Override
    public RecordWriter<Text, IntWritable> getRecordWriter(
            TaskAttemptContext context) throws IOException, 
                  InterruptedException {
        Configuration conf = context.getConfiguration();
        Path path = getOutputPath(context);
        FileSystem fs = path.getFileSystem(conf);
        FSDataOutputStream out = 
                fs.create(new Path(path,context.getJobName()));
        return new JsonRecordWriter(out);
    }

    private static class JsonRecordWriter extends 
          LineRecordWriter<Text,IntWritable>{
        boolean firstRecord = true;
        @Override
        public synchronized void close(TaskAttemptContext context)
                throws IOException {
            out.writeChar('{');
            super.close(null);
        }

        @Override
        public synchronized void write(Text key, IntWritable value)
                throws IOException {
            if (!firstRecord){
                out.writeChars(",\r\n");
                firstRecord = false;
            }
            out.writeChars("\"" + key.toString() + "\":\""+
                    value.toString()+"\"");
        }

        public JsonRecordWriter(DataOutputStream out) 
                throws IOException{
            super(out);
            out.writeChar('}');
        }
    }
}

如果你不想在输出中输入密钥,只需发出null,如:

context.write(NullWritable.get(), new IntWritable(sum));

HTH

Answer 2

如果您只想将一个JSON对象列表写入HDFS而不关心键/值的概念,您可以NullWritable在Reducer输出值中使用a :

public static class TokenCounterReducer extends Reducer<Text, Text, Text, NullWritable> {
    public void reduce(Text key, Iterable<Text> values, Context context)
            throws IOException, InterruptedException {
        for (Text value : values) {
            JSONObject jsn = new JSONObject();
            ....
            context.write(new Text(jsn.toString()), null);
        }
    }
}

请注意,您需要更改作业配置:

job.setOutputValueClass(NullWritable.class);

通过将JSON对象写入HDFS,我知道您要存储我在上面描述的JSON的String表示.如果您想将JSON的二进制表示存储到HDFS中,则需要使用SequenceFile.显然你可以Writable为此编写自己的,但我觉得如果你想要一个简单的String表示,这样就更容易了.