hadoop 各类key value分隔符参数

 hadoop 各类key value分隔符参数
分类： hadoop 收藏 2012-04-15 21:40 438人阅读 评论(0) 收藏 举报
hadoopcoutputinput
原文地址：http://wingmzy.iteye.com/blog/1260570


hadoop中的map-reduce是处理这样的键值对，故指定的分割符等参数可以分成三类：


map输出时分割符


分桶时的分隔符


reduce输出时的分割符






下面分别叙述：


1. map输出时分割符


参数：


stream.map.output.field.separator


作用：


指定map输出时的分割符


stream.num.map.output.key.fields


指定输出按照分隔符切割后，key所占有的列数






举例：


input数据：


2,2,c,c,c,c


参数配置：


-mapper "cat" # map 为分布式的cat命令


-reducer ""  #reduce为空 /


-jobconf stream.map.output.field.separator=','  /


-jobconf stream.num.map.output.key.fields=2 /


即按照','逗号分隔后，去前2列作为key


output数据：


2,2     c,c,c,c  #其中key为2,2  value为c,c,c,c






2. 分桶时的分隔符


map.output.key.field.separator


指定map输出对之后，其中key内部的分割符


num.key.fields.for.partition


指定分桶时，按照分隔符切割后，用于分桶key所占的列数






举例：


map的output数据：


2,2     c,c,c,c


参数配置：
-jobconf map.output.key.field.separator=',' /
-jobconf num.key.fields.for.partition='1'   /
-partitioner org.apache.hadoop.mapred.lib.KeyFieldBasedPartitioner /


output数据：


这样用于partition分桶的key就为：2


注意，这里分桶不应该用默认的HashPartitioner






3. reduce输出时的分割符


这个与map类似，分别用于reduce输出时分隔符以及key占有的列数


stream.reduce.output.field.separator


stream.num.reduce.output.key.fields