在hadoop的hdfs中保存json数据答案

【问题标题】：saving json data in hdfs in hadoop在hadoop的hdfs中保存json数据
【发布时间】：2013-05-31 06:43:06
【问题描述】：

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：这里是新手），我可以看到一般输出类型似乎就像键/值存储。

但是如果我在输出中没有任何键怎么办？或者如果我的输出是其他格式（在我的情况下为 json），我想怎么办？

无论如何，从上面的代码：我想将json 对象写入HDFS？

这在 Hadoop 流中非常微不足道。但我如何在 Hadoop java 中做到这一点？

【问题讨论】：

标签： java json hadoop mapreduce reducers

【解决方案1】：

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

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才能执行：

job.setOutputValueClass(NullWritable.class);

通过将您的 JSON 对象写入 HDFS，我了解到您想要存储我在上面描述的 JSON 的字符串表示形式。如果您想将 JSON 的二进制表示形式存储到 HDFS 中，您需要使用 SequenceFile。显然，您可以为此编写自己的 Writable，但我觉得如果您打算使用简单的字符串表示形式，这样会更容易。

【讨论】：

嗨@Charles 我是Hadoop的新手，一旦我们将json数据文件存储在hdfs中，如果我们不应用任何键值概念，我们如何检索数据。

【解决方案2】：

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入 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('}');
        }
    }
}

如果您不想在输出中包含键，只需发出 null，例如：

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

HTH

【讨论】：