假设我有一个 MapReduce 作业,它正在创建一个输出文件part-00000
,并且在完成此作业后还有一个作业正在运行。
如何将分布式缓存中第一个作业的输出文件用于第二个作业。
假设我有一个 MapReduce 作业,它正在创建一个输出文件part-00000
,并且在完成此作业后还有一个作业正在运行。
如何将分布式缓存中第一个作业的输出文件用于第二个作业。
以下步骤可能会对您有所帮助,
将第一个作业的输出目录路径传递给第二个作业的 Driver 类。
使用路径过滤器列出以part-*
. 请参阅以下代码片段了解您的第二个作业驱动程序类,
FileSystem fs = FileSystem.get(conf);
FileStatus[] fileList = fs.listStatus(new Path("1st job o/p path") ,
new PathFilter(){
@Override public boolean accept(Path path){
return path.getName().startsWith("part-");
}
} );
遍历每个part-*
文件并将其添加到分发缓存。
for(int i=0; i < fileList.length;i++){
DistributedCache.addCacheFile(new URI(fileList[i].getPath().toUri()));
}