设为首页 收藏本站
查看: 1167|回复: 0

[经验分享] Hadoop自定义读取文件

[复制链接]

尚未签到

发表于 2016-12-10 06:13:28 | 显示全部楼层 |阅读模式
  今天从网上看到点数据,很适合用MapReduce来分析一下。一条记录的格式如下:
  [**] [1:538:15] NETBIOS SMB IPC$ unicode share access [**]
[Classification: Generic Protocol Command Decode] [Priority: 3]
09/04-17:53:56.363811 168.150.177.165:1051 -> 168.150.177.166:139
TCP TTL:128 TOS:0x0 ID:4000 IpLen:20 DgmLen:138 DF
***AP*** Seq: 0x2E589B8 Ack: 0x642D47F9 Win: 0x4241 TcpLen: 20
  [**] [1:1917:6] SCAN UPnP service discover attempt [**]
[Classification: Detection of a Network Scan] [Priority: 3]
09/04-17:53:56.385573 168.150.177.164:1032 -> 239.255.255.250:1900
UDP TTL:1 TOS:0x0 ID:80 IpLen:20 DgmLen:161
Len: 133
  大家可以看到要处理上面的记录,肯定不能用系统默认的TextInputFormat.class
  所以要自己写一个读取类,从上面的格式可以看出。每一条记录由换行符分割,其余的行为一条记录(包括多行)。闲话少说,直接上代码:
  public class MyRecordReader extends RecordReader<IntWritable, Text>{private static final Log LOG = LogFactory.getLog(MyRecordReader.class);private int pos;private boolean more;private LineReader in;private int maxLineLength;private IntWritable key = null;private Text value1 = null;private String value = "";public void initialize(InputSplit genericSplit,TaskAttemptContext context) throws IOException {pos = 1;more = true;FileSplit split = (FileSplit) genericSplit;Configuration job = context.getConfiguration();this.maxLineLength = job.getInt("mapred.linerecordreader.maxlength",Integer.MAX_VALUE);final Path file = split.getPath();// open the file and seek to the start of the splitFileSystem fs = file.getFileSystem(job);FSDataInputStream fileIn = fs.open(split.getPath());in = new LineReader(fileIn, job);}public boolean nextKeyValue() throws IOException {if (key == null) {key = new IntWritable();}key.set(pos);if (value1 == null) {value1 = new Text();}value = ""; int newSize = 0;while (true) {newSize = in.readLine(value1, maxLineLength,maxLineLength);pos++;if (newSize == 0) {//value += value1.toString();if (!value.isEmpty()){newSize = 1;}break;}if (newSize == 1) {//当newSize == 1是就是读取的换行符,所以要输出。break;}if (newSize < maxLineLength) {//如果大于1,就证明读取了一行,但这条记录并没有结束。value += value1.toString();//中间用空格分割一下value += " ";//break;}// line too long. try againLOG.info("Skipped line of size " + newSize + " at pos " + (pos - newSize));}if (newSize == 0) {key = null;//value = "";more = false;return false;} else {return true;}}@Overridepublic IntWritable getCurrentKey() {return key;}@Overridepublic Text getCurrentValue() {return new Text(value);}/*** Get the progress within the split*/public float getProgress() {if (more) {return 0.0f;} else {return 100;}}public synchronized void close() throws IOException {if (in != null) {in.close(); }}}
  通过上面的类,就可以将4行连接为一条记录。换行符作为一条记录的结束。

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-311964-1-1.html 上篇帖子: hadoop的Text中文编码 下篇帖子: hadoop的一些监控
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表