Hadoop Mapreduce:自定义输入格式

Question

我有一个文件，其中的数据包含文本和介于两者之间的"^"：

某些文本^转到此处^
以及更多
转到这里

我正在编写一种自定义输入格式，以使用"^"字符分隔行。即映射器的输出应为：

某些文本
转到此处
和一些
更多

我已经编写了一个扩展FileInputFormat的自定义输入格式，还编写了扩展RecordReader的自定义记录读取器。下面给出了我的自定义记录读取器的代码。我不知道如何处理这个代码。WHILE循环部分中的nextKeyValue（）方法出现问题。我应该如何从拆分中读取数据并生成自定义键值？我正在使用所有新的mapreduce包，而不是旧的mapred包。

public class MyRecordReader extends RecordReader<LongWritable, Text>
    {
        long start, current, end;
        Text value;
        LongWritable key;
        LineReader reader;
        FileSplit split;
        Path path;
        FileSystem fs;
        FSDataInputStream in;
        Configuration conf;
        @Override
        public void initialize(InputSplit inputSplit, TaskAttemptContext cont) throws IOException, InterruptedException
        {
            conf = cont.getConfiguration();
            split = (FileSplit)inputSplit;
            path = split.getPath();
            fs = path.getFileSystem(conf);
            in = fs.open(path);
            reader = new LineReader(in, conf);
            start = split.getStart();
            current = start;
            end = split.getLength() + start;
        }
        @Override
        public boolean nextKeyValue() throws IOException
        {
            if(key==null)
                key = new LongWritable();
            key.set(current);
            if(value==null)
                value = new Text();
            long readSize = 0;
            while(current<end)
            {
                Text tmpText = new Text(); 
                readSize = read //here how should i read data from the split, and generate key-value?
                if(readSize==0)
                    break;
                current+=readSize;              
            }
            if(readSize==0)
            {
                key = null;
                value = null;
                return false;
            }
            return true;
        }
        @Override
        public float getProgress() throws IOException
        {
        }
        @Override
        public LongWritable getCurrentKey() throws IOException
        {
        }
        @Override
        public Text getCurrentValue() throws IOException
        {
        }
        @Override
        public void close() throws IOException
        {
        }

    }

Answer 1

不需要自己实现。您可以简单地将配置值textinputformat.record.delimiter设置为扬抑符。

conf.set("textinputformat.record.delimiter", "^");

这与正常的TextInputFormat应该可以正常工作。