广告
返回顶部
首页 > 资讯 > 后端开发 > Python >教你怎么使用hadoop来提取文件中的指定内容
  • 481
分享到

教你怎么使用hadoop来提取文件中的指定内容

2024-04-02 19:04:59 481人浏览 安东尼

Python 官方文档:入门教程 => 点击学习

摘要

目录一、需求二、步骤三、结果一、需求 把以下txt中含“baidu”字符串的链接输出到一个文件,否则输出到另外一个文件。 二、步骤 1.LogMapper.java pa

一、需求

把以下txt中含“baidu”字符串的链接输出到一个文件,否则输出到另外一个文件。

在这里插入图片描述

二、步骤

1.LogMapper.java


package com.whj.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
        context.write(value,NullWritable.get());
    }
}

2.LogReducer.java


package com.whj.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 {
        for (NullWritable value : values) {
            context.write(key,NullWritable.get());
        }
    }
}

3.LogOutputFormat.java


package com.whj.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 {
        LogRecordWriter lrw = new LogRecordWriter(job);
        return lrw;
    }
}

4.LogRecordWriter.java


package com.whj.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 baiduOut;//ctrl+alt+f
    private FSDataOutputStream otherOut;

    public LogRecordWriter(TaskAttemptContext job) throws IOException {
//创建两条流
        FileSystem fs = FileSystem.get(job.getConfiguration());
        baiduOut = fs.create(new Path("D:\\temp\\outputformat.log"));
        otherOut = fs.create(new Path("D:\\temp\\other.log"));
    }

    @Override
    public void write(Text key, NullWritable nullWritable) throws IOException, InterruptedException {
//        具体写
        String log = key.toString();
        if(log.contains("baidu")){
            baiduOut.writeBytes(log+"\n");
        }else{
            otherOut.writeBytes(log+"\n");
        }
    }

    @Override
    public void close(TaskAttemptContext taskAttemptContext) throws IOException, InterruptedException {
//关流
        IOUtils.closeStream(baiduOut);
        IOUtils.closeStream(otherOut);
    }
}

5.LogDriver.java


package com.whj.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:\\temp\\logoutput"));
        boolean b = job.waitForCompletion(true);
        System.exit(b ? 0 : 1);
    } }

三、结果

在这里插入图片描述

到此这篇关于教你怎么使用hadoop来提取文件中的指定内容的文章就介绍到这了,更多相关hadoop提取文件内容内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网!

--结束END--

本文标题: 教你怎么使用hadoop来提取文件中的指定内容

本文链接: https://www.lsjlt.com/news/126878.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com    QQ/279061341

本篇文章演示代码以及资料文档资料下载

下载Word文档到电脑,方便收藏和打印~

下载Word文档
猜你喜欢
  • 教你怎么使用hadoop来提取文件中的指定内容
    目录一、需求二、步骤三、结果一、需求 把以下txt中含“baidu”字符串的链接输出到一个文件,否则输出到另外一个文件。 二、步骤 1.LogMapper.java pa...
    99+
    2022-11-12
  • 如何使用hadoop来提取文件中的指定内容
    这篇文章将为大家详细讲解有关如何使用hadoop来提取文件中的指定内容,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。一、需求把以下txt中含“baidu”字符串的链接输出到一个文件,否则输出到另外一个文件...
    99+
    2023-06-15
  • java怎么从文件中截取指定内容
    要从文件中截取指定内容,可以使用Java的文件读取和字符串处理技巧。 首先,你需要使用Java的文件读取功能来读取文件内容。你可以使...
    99+
    2023-10-21
    java
  • 怎么使用python提取JSON数据指定内容
    本篇内容介绍了“怎么使用python提取JSON数据指定内容”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!python提取JSON数据指定内...
    99+
    2023-07-02
  • 怎么在LINUX中使用grep查询指定首尾文件内容
    本篇文章为大家展示了怎么在LINUX中使用grep查询指定首尾文件内容,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。打开LINUX,这里我们可以用UBUNTU操作系统。找到左边任务栏的TERMINA...
    99+
    2023-06-10
  • java中怎么使用resourcebundle读取指定文件
    在Java中,可以通过`ResourceBundle`类来读取指定的文件。首先,确保指定的文件为一个属性文件(即后缀名为`.prop...
    99+
    2023-09-28
    java
  • 怎么在Linux中查看文件指定行数的内容
    怎么在Linux中查看文件指定行数的内容?相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。tail -n +/-数字 文件名head -n 数字 文件名sed -n "开...
    99+
    2023-06-12
  • 教你用python提取txt文件中的特定信息并写入Excel
    目录问题描述:工具:操作:源代码:Reference:总结问题描述: 我有一个这样的数据集叫test_result_test.txt,大概几百上千行,两行数据之间隔一个空行。 N...
    99+
    2022-11-12
  • 详解怎么用php修改txt文件的指定内容?
    PHP是一种非常流行的网络编程语言,用于开发Web应用程序,其中包含读取,写入和修改本地文本文件。在这篇文章中,我们将要讨论的是如何使用PHP修改指定文本文件的内容。以下是几个步骤:步骤1: 打开文本文件PHP中打开文本文件使用函数fope...
    99+
    2023-05-14
    php
  • 怎么在Linux中使用bash命令删除文件中含“指定内容”的行
    怎么在Linux中使用bash命令删除文件中含“指定内容”的行?很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。具体如下:#!/bin/sh# 功能:&n...
    99+
    2023-06-09
  • 使用bat脚本怎么批量提取指定目录下的文件名
    使用bat脚本怎么批量提取指定目录下的文件名?相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。核心代码@echo offecho text input...
    99+
    2023-06-08
  • 使用Shell脚本怎么从文件中逐行读取内容
    使用Shell脚本怎么从文件中逐行读取内容?针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。使用for循环从文件中逐行读取内容:在默认情况现下此方法是逐个单词的读取文件内容,因...
    99+
    2023-06-09
  • C语言中怎么使用fread读取文件里所有内容
    在C语言中,可以使用fread函数来读取文件中的所有内容。以下是一个简单的示例:```c#include int main() {F...
    99+
    2023-08-09
    C语言 fread
  • 怎么使用Shell命令查找文件中的内容
    要使用Shell命令查找文件中的内容,可以使用以下命令:1. grep命令:用于在文件中查找指定的内容。例如,要在文件file.tx...
    99+
    2023-10-20
    Shell
  • c++下怎么使用windows api遍历指定文件夹及其子文件夹中的文件
    这篇文章主要介绍“c++下怎么使用windows api遍历指定文件夹及其子文件夹中的文件”,在日常操作中,相信很多人在c++下怎么使用windows api遍历指定文件夹及其子文件夹中的文件问题上存在疑惑,小编查阅了各式资料,整理出简单好...
    99+
    2023-06-20
软考高级职称资格查询
编程网,编程工程师的家园,是目前国内优秀的开源技术社区之一,形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容,为IT开发者提供了一个发现、使用、并交流开源技术的平台。
  • 官方手机版

  • 微信公众号

  • 商务合作