Hadoop의 입력 경로 필터링 문제 해결 방법

2682 단어 hadoop
요구 사항:
데이터 형식은 다음과 같습니다.
/data/input/news/old.dat
/data/input/news/current.dat
/data/input/news/20131001.txt
......
/data/input/news/20131030.txt
/data/input/news/20131031.txt
우리는 10월의 뉴스를 계산 분석해야 한다. 다른 것은 잠시 계산하지 않으면 필터 작업을 해야 한다. input path는 뉴스의 루트 경로인/data/input/news/이다.
 
아이디어:
PathFilter 기반 구현
 
구현 코드:
fitler:
class TextPathFilter extends Configured implements PathFilter {
	Configuration conf = null;

	@Override
	public Configuration getConf() {
		return conf;
	}

	@Override
	public void setConf(Configuration conf) {
		this.conf = conf;

	}

	@Override
	public boolean accept(Path path) {
		String regex = conf.get("org.test.filter.regex");
		if (regex == null) {
			return true;
		}
		return path.toString().matches(regex);
	}

}

사용 방법:
Configuration conf = new Configuration();
conf.set("org.test.filter.regex", "2012[1-12][1-31].txt");
........
TextInputFormat.setInputPathFilter(job, TextPathFilter.class);

 
추가 지침:
버전 0.21.0 이전에 오류 메시지가 표시됩니다. 오류 메시지는 다음과 같습니다.
Caused by: org.apache.hadoop.mapreduce.lib.input.InvalidInputException: Input path does not exist: hdfs://your path
        at org.apache.hadoop.mapreduce.lib.input.FileInputFormat.listStatus(FileInputFormat.java:231)
        at org.apache.hadoop.mapreduce.lib.input.FileInputFormat.getSplits(FileInputFormat.java:248)
        at org.apache.hadoop.mapred.JobClient.writeNewSplits(JobClient.java:950)
        at org.apache.hadoop.mapred.JobClient.writeSplits(JobClient.java:967)
        at org.apache.hadoop.mapred.JobClient.access$500(JobClient.java:170)
        at org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:880)
        at org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:833)
        at java.security.AccessController.doPrivileged(Native Method)
        at javax.security.auth.Subject.doAs(Subject.java:396)
        at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1177)
        at org.apache.hadoop.mapred.JobClient.submitJobInternal(JobClient.java:833)
        at org.apache.hadoop.mapreduce.Job.submit(Job.java:476)
        at org.apache.hadoop.mapreduce.Job.waitForCompletion(Job.java:506)

오류 원인:
match를 진행할 때null을 되돌렸습니다. 빈 FileStatus[]를 되돌려야 합니다. 코드는 FileSystem에 있습니다.java 중
버전 0.21.0 이후 버그가 수정되었으므로 업그레이드하면 됩니다.

좋은 웹페이지 즐겨찾기