关于java:Java-mapreduce解析parquet日志

1.单输出格局

指定输出格局ParquetInputFormat

//指定输出格局
job.setInputFormatClass(ParquetInputFormat.class);
ParquetInputFormat.addInputPath(job, new Path(args[1]));
ParquetInputFormat.setReadSupportClass(job, CheckLevelRunner.MyReadSupport.class);

//这个提供的是定义读文件的形式
public static final class MyReadSupport extends DelegatingReadSupport<Group> {
    public MyReadSupport() {
        super(new GroupReadSupport());
    }

    @Override
    public org.apache.parquet.hadoop.api.ReadSupport.ReadContext init(InitContext context) {
        return super.init(context);
    }
}

解析Parquet遇到空文件的状况：

此时能够设置mapreduce容错参数：
Mapreduce.map.failures.maxpercent：这个参数示意当Map Task失败比例超过该值，则整个作业失败，默认值为0。在这里设置成5，在这里map的数量与输出文件数量统一，因而如果空文件的数量小于5%，则工作会胜利，大于5%，工作失败。

job.getConfiguration().set("mapreduce.map.failures.maxpercent", "5");

2.多输出格局

其中一个目录的文件格式是Text，另一个是Parquet。应用MultipleInputs依据输出源设置多个map来解决数据。

//设置多输出、多mapper
MultipleInputs.addInputPath(job, new Path(path1), TextInputFormat.class, NormalMap.class);
MultipleInputs.addInputPath(job, new Path(path2), ParquetInputFormat.class, ParquetMap.class);
ParquetInputFormat.setReadSupportClass(job, CheckLevelRunner.MyReadSupport.class);

3.mapreduce中调用http接口遇到的问题

将程序部署服务器上，发现会报这个错：
Exception in thread “main” java.lang.NoSuchFieldError: INSTANCE，
考察发现，是因为httpclient有两个版本，本人引入了4的版本，而org.apache.hadoop这个包中蕴含了httpclient3.1的版本，两个版本抵触，最初去掉了本人引入的版本，应用了hadoop包中3.1的httpclient。