mapreduce 的多表输入

Question

我正在考虑使用累加表作为输入进行 mapreduce。
有没有办法将 2 个不同的表作为输入，就像 addInputPath 这样的多个文件输入存在的方式相同？
或者是否可以从文件中获取一个输入，而从带有AccumuloInputFormat 的表中获取另一个输入？

Answer 1

您可能想看看AccumuloMultiTableInputFormat。 Accumulo 手册演示了如何使用它here。

示例用法：

job.setInputFormat(AccumuloInputFormat.class);

AccumuloMultiTableInputFormat.setConnectorInfo(job, user, new PasswordToken(pass));
AccumuloMultiTableInputFormat.setMockInstance(job, INSTANCE_NAME);

InputTableConfig tableConfig1 = new InputTableConfig();
InputTableConfig tableConfig2 = new InputTableConfig();

Map<String, InputTableConfig> configMap = new HashMap<String, InputTableConfig>();
configMap.put(table1, tableConfig1);
configMap.put(table2, tableConfig2);

AccumuloMultiTableInputFormat.setInputTableConfigs(job, configMap);

有关更多信息，请参阅 AccumuloMultiTableInputFormat here 的单元测试。

请注意，与正常的多个输入不同，您不能指定不同的映射器在每个表上运行。虽然在这种情况下它不是一个大问题，因为传入的键/值类型是相同的，您可以使用：

RangeInputSplit split = (RangeInputSplit)c.getInputSplit();
String tableName = split.getTableName();

在映射器中确定记录来自哪个表（取自 Accumulo 手册）。