HCatalog教程

HCatalog - 输入输出格式

← 上一节 下一节 →

HCatInputFormat 和 HCatOutputFormat 接口用于从HDFS读取数据，处理后，使用MapReduce作业将结果数据写入HDFS.让我们详细说明输入和输出格式接口.

HCatInputFormat

HCatInputFormat 与MapReduce作业一起用于读取数据来自HCatalog管理的表格. HCatInputFormat公开了一个Hadoop 0.20 MapReduce API，用于读取数据，就好像它已经发布到表中一样.

Sr.No.方法名称&描述
1

public static HCatInputFormat setInput(Job job, String dbName, String tableName)throws IOException

设置用于作业的输入.它使用给定的输入规范查询Metastore，并将匹配的分区序列化为MapReduce任务的作业配置.

2

public static HCatInputFormat setInput(Configuration conf, String dbName, String tableName) throws IOException

设置用于作业的输入.它使用给定的输入规范查询Metastore，并将匹配的分区序列化为MapReduce任务的作业配置.

3

public HCatInputFormat setFilter(String filter)throws IOException

在输入表上设置过滤器.

4

public HCatInputFormat setProperties(Properties properties) throws IOException

设置输入格式的属性.

HCatInputFormat API包括以下方法 :

  • setInput

  • setOutputSchema

  • getTableSchema

使用 HCatInputFormat 读取数据，首先使用正在读取的表中的必要信息实例化 InputJobInfo ，然后使用 InputJobInfo 调用 setInput .

您可以使用 setOutputSchema 包含投影架构的方法，用于指定输出字段.如果未指定架构，则将返回表中的所有列.您可以使用getTableSchema方法确定指定输入表的表模式.

HCatOutputFormat

HCatOutputFormat与MapReduce作业一起使用以将数据写入HCatalog管理的表格. HCatOutputFormat公开了一个Hadoop 0.20 MapReduce API，用于将数据写入表中.当MapReduce作业使用HCatOutputFormat写入输出时，将使用为表配置的默认OutputFormat，并在作业完成后将新分区发布到表中.

Sr.No.方法名称&描述
1

public static void setOutput (Configuration conf, Credentials credentials, OutputJobInfo outputJobInfo) throws IOException

设置要为作业写入的输出的信息.它查询元数据服务器以查找要用于表的StorageHandler.如果分区已经发布，则会抛出错误.

2

public static void setSchema (Configuration conf, HCatSchema schema) throws IOException

设置要写入分区的数据的模式.如果未调用此表，则默认情况下将使用表模式.

3

public RecordWriter <WritableComparable<?>, HCatRecord > getRecordWriter (TaskAttemptContext context)throws IOException, InterruptedException

获取作业的记录编写者.它使用StorageHandler的默认OutputFormat来获取记录编写器.

4

public OutputCommitter getOutputCommitter (TaskAttemptContext context) throws IOException, InterruptedException

获取此输出格式的输出提交者.它确保正确提交输出.

HCatOutputFormat API包括以下方法 :

  • setOutput

  • setSchema

  • getTableSchema

HCatOutputFormat上的第一个调用必须是 setOutput ;任何其他调用都会抛出异常，表示输出格式未初始化.

正在写出的数据的模式由 setSchema 方法指定.您必须调用此方法，提供您正在编写的数据模式.如果您的数据与表模式具有相同的模式，则可以使用 HCatOutputFormat.getTableSchema()来获取表模式，然后将其传递给 setSchema()./p>

示例

以下MapReduce程序从一个表中读取数据，该表假设在第二列("第1列")中有一个整数，并且计算它找到的每个不同值的实例数.也就是说，它相当于"选择col1，count(*)来自$ table group by col1; ".

例如，如果值为第二列是{1,1,1,3,3,5}，然后程序将产生以下值的输出和计数和减号;

 
 1,3 
 3,2 
 5,1

现在让我们来看一下程序代码 :

import java.io.IOException;
import java.util.Iterator;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.WritableComparable;

import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;

import org.apache.hadoop.util.GenericOptionsParser;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

import org.apache.HCatalog.common.HCatConstants;
import org.apache.HCatalog.data.DefaultHCatRecord;
import org.apache.HCatalog.data.HCatRecord;
import org.apache.HCatalog.data.schema.HCatSchema;

import org.apache.HCatalog.mapreduce.HCatInputFormat;
import org.apache.HCatalog.mapreduce.HCatOutputFormat;
import org.apache.HCatalog.mapreduce.InputJobInfo;
import org.apache.HCatalog.mapreduce.OutputJobInfo;

public class GroupByAge extends Configured implements Tool {

   public static class Map extends Mapper<WritableComparable, 
      HCatRecord, IntWritable, IntWritable> {
      int age;
		
      @Override
      protected void map(
         WritableComparable key, HCatRecord value,
         org.apache.hadoop.mapreduce.Mapper<WritableComparable,
         HCatRecord, IntWritable, IntWritable>.Context context
      )throws IOException, InterruptedException {
         age = (Integer) value.get(1);
         context.write(new IntWritable(age), new IntWritable(1));
      }
   }
	
   public static class Reduce extends Reducer<IntWritable, IntWritable,
      WritableComparable, HCatRecord> {
      @Override
      protected void reduce(
         IntWritable key, java.lang.Iterable<IntWritable> values,
         org.apache.hadoop.mapreduce.Reducer<IntWritable, IntWritable,
         WritableComparable, HCatRecord>.Context context
      )throws IOException ,InterruptedException {
         int sum = 0;
         Iterator<IntWritable> iter = values.iterator();
			
         while (iter.hasNext()) {
            sum++;
            iter.next();
         }
			
         HCatRecord record = new DefaultHCatRecord(2);
         record.set(0, key.get());
         record.set(1, sum);
         context.write(null, record);
      }
   }
	
   public int run(String[] args) throws Exception {
      Configuration conf = getConf();
      args = new GenericOptionsParser(conf, args).getRemainingArgs();
		
      String serverUri = args[0];
      String inputTableName = args[1];
      String outputTableName = args[2];
      String dbName = null;
      String principalID = System
		
      .getProperty(HCatConstants.HCAT_METASTORE_PRINCIPAL);
      if (principalID != null)
      conf.set(HCatConstants.HCAT_METASTORE_PRINCIPAL, principalID);
      Job job = new Job(conf, "GroupByAge");
      HCatInputFormat.setInput(job, InputJobInfo.create(dbName, inputTableName, null));

      // initialize HCatOutputFormat
      job.setInputFormatClass(HCatInputFormat.class);
      job.setJarByClass(GroupByAge.class);
      job.setMapperClass(Map.class);
      job.setReducerClass(Reduce.class);
		
      job.setMapOutputKeyClass(IntWritable.class);
      job.setMapOutputValueClass(IntWritable.class);
      job.setOutputKeyClass(WritableComparable.class);
      job.setOutputValueClass(DefaultHCatRecord.class);
		
      HCatOutputFormat.setOutput(job, OutputJobInfo.create(dbName, outputTableName, null));
      HCatSchema s = HCatOutputFormat.getTableSchema(job);
      System.err.println("INFO: output schema explicitly set for writing:" + s);
      HCatOutputFormat.setSchema(job, s);
      job.setOutputFormatClass(HCatOutputFormat.class);
      return (job.waitForCompletion(true) ? 0 : 1);
   }
	
   public static void main(String[] args) throws Exception {
      int exitCode = ToolRunner.run(new GroupByAge(), args);
      System.exit(exitCode);
   }
}

在编译上述程序之前，你必须下载一些 jars 并添加这些到此应用程序的类路径.你需要下载所有的Hive jar和HCatalog jar(HCatalog-core-0.5.0.jar，hive-metastore-0.10.0.jar，libthrift-0.7.0.jar，hive-exec-0.10.0.jar， libfb303-0.7.0.jar，jdo2-api-2.3-ec.jar，slf4j-api-1.6.1.jar).

使用以下命令复制那些 jar 文件从本地到 HDFS 并将其添加到类路径.

bin/hadoop fs -copyFromLocal $HCAT_HOME/share/HCatalog/HCatalog-core-0.5.0.jar /tmp
bin/hadoop fs -copyFromLocal $HIVE_HOME/lib/hive-metastore-0.10.0.jar /tmp
bin/hadoop fs -copyFromLocal $HIVE_HOME/lib/libthrift-0.7.0.jar /tmp
bin/hadoop fs -copyFromLocal $HIVE_HOME/lib/hive-exec-0.10.0.jar /tmp
bin/hadoop fs -copyFromLocal $HIVE_HOME/lib/libfb303-0.7.0.jar /tmp
bin/hadoop fs -copyFromLocal $HIVE_HOME/lib/jdo2-api-2.3-ec.jar /tmp
bin/hadoop fs -copyFromLocal $HIVE_HOME/lib/slf4j-api-1.6.1.jar /tmp

export LIB_JARS=hdfs:///tmp/HCatalog-core-0.5.0.jar,
hdfs:///tmp/hive-metastore-0.10.0.jar,
hdfs:///tmp/libthrift-0.7.0.jar,
hdfs:///tmp/hive-exec-0.10.0.jar,
hdfs:///tmp/libfb303-0.7.0.jar,
hdfs:///tmp/jdo2-api-2.3-ec.jar,
hdfs:///tmp/slf4j-api-1.6.1.jar

使用以下命令编译并执行给定程序.

$ HADOOP_HOME/bin/hadoop jar GroupByAge tmp/hive

现在，检查输出目录(hdfs:user/tmp/hive)以获取输出(part_0000，part_0001).

← 上一节 下一节 →

相关菜鸟教程