hadoop - mapreduce 的多表输入

Question

我正在考虑使用累积表作为输入来进行 mapreduce。
有没有一种方法可以将 2 个不同的表作为输入，就像 addInputPath 这样的多个文件输入一样？
或者是否可以使用 AccumuloInputFormat 从文件中获取一个输入，而从表中获取另一个输入？

Answer 1

您可能想看一下 AccumuloMultiTableInputFormat。 Accumulo 手册演示了如何使用它 here .

示例用法:

job.setInputFormat(AccumuloInputFormat.class);

AccumuloMultiTableInputFormat.setConnectorInfo(job, user, new PasswordToken(pass));
AccumuloMultiTableInputFormat.setMockInstance(job, INSTANCE_NAME);

InputTableConfig tableConfig1 = new InputTableConfig();
InputTableConfig tableConfig2 = new InputTableConfig();

Map<String, InputTableConfig> configMap = new HashMap<String, InputTableConfig>();
configMap.put(table1, tableConfig1);
configMap.put(table2, tableConfig2);

AccumuloMultiTableInputFormat.setInputTableConfigs(job, configMap);

参见 AccumuloMultiTableInputFormat 的单元测试 here一些额外的信息。

请注意，与普通的多输入不同，您不能指定不同的映射器在每个表上运行。虽然，在这种情况下这不是一个大问题，因为传入的键/值类型是相同的，您可以使用:

RangeInputSplit split = (RangeInputSplit)c.getInputSplit();
String tableName = split.getTableName();

在您的映射器中锻炼记录来自哪个表(取自 Accumulo 手册)。