工作流中中间作业的 Hadoop SequenceFile 输入/输出

Question

我有一个多阶段/作业 mapreduce 程序。我的第一个输入必须是 TextInputFormat，最后一个输出必须是 TextOutputFormat。我想要实现的是在第一个 Job 中将格式从 Text 转换为 SequenceFile。因此：

TextInputFormat
Job1.execute()
SequenceFileOutputFormat

SequenceFileInputFormat
Job2.execute()
SequenceFileOutputFormat

...

SequenceFileInputFormat
JobLast.execute()
TextOutputFormat

在所有示例中，我发现这是通过创建一个额外的作业来实现的，该作业只是将输入写入一个 SequenceFile，另一个读取 SequenceFile 并将其以不同的格式存储。这可以在不使用额外工作的情况下完成吗？我可以这样做吗：

conf.setInputFormat(TextInputFormat.class);
conf.setOutputFormat(SequenceFileOutputFormat.class);

当作业实际执行其计算时。我如何在不创建两个额外作业（写入和读取）的情况下实现这一点。

问题已解决，我在代码中的错误，对此感到抱歉。

Answer 1

您当然可以以任何您想要的形式存储输出。你真的不需要单独的工作。 SequenceFileOutputFormat 可以存储任何类型的键值，因此只需声明 conf.setOutputFormat(SequenceFileOutputFormat.class); 就可以了。你试过了吗？它没有工作吗？但请确保您的下一个映射作业的输入键和值类与您用于最后一个 reducer 的输出键/值类兼容。