内容简介:阿里云数加Max Compute的Java Map Reduce程序读取文本资源及其命令行和IDE运行配置
最近有个业务是想从商品数据中解析出需要的关键词。关键词来自一个词库,词库文件包括产品类目词、菜品词等等。选择用阿里云Max Compute 的Map Reduce(MR)来实现。
开始以为MR不能读取文件,后来发现是可以读取的。参考: https://help.aliyun.com/document_detail/27891.html
try { byte[] buffer = new byte[1024 * 1024]; int bytesRead = 0; bufferedInput = context.readResourceFileAsStream("category_words.txt"); while ((bytesRead = bufferedInput.read(buffer)) != -1) { String line = new String(buffer, 0, bytesRead); String[] lines = line.split("\n"); for (String chunk : lines) { dictSet.add(chunk); //System.out.println("add word:" + chunk); } } bufferedInput.close(); filter = new SensitivewordFilter(dictSet); } catch (FileNotFoundException ex) { throw ex; } catch (IOException ex) { System.err.print(ex.getStackTrace().toString()); } finally { }
注意用 context.readResourceFileAsStream 一次就把文件的全部字符读取出来,然后自己分行。分行之后在处理填写到自己的词表里面。
注意: byte[] buffer = new byte[1024 * 1024] ,我先开了一个1M内存的空间,一次把全部文件读入。
命令行传入输入和输出表参数:
public static void main(String[] args) throws java.lang.Exception { if (args.length != 2) { System.err.println("Usage: WordCount <in_table> <out_table>"); System.exit(2); } JobConf job = new JobConf(); job.setMapperClass(TokenizerMapper.class); job.setCombinerClass(SumCombiner.class); job.setReducerClass(SumReducer.class); //arg[0] : projectxxx.dwd_input_table.dt=20170601 System.out.println(args[0]); String []arr = args[0].split("-"); String inputProject = arr[0]; String table = arr[1]; String part = arr[2]; job.setMapOutputKeySchema(SchemaUtils.fromString("mall_id:string,mall_name:string,shop_id:string,shop_name:string,word:string")); job.setMapOutputValueSchema(SchemaUtils.fromString("count:bigint")); InputUtils.addTable(TableInfo.builder().projectName(inputProject).tableName(table).partSpec(part).build(), job); OutputUtils.addTable(TableInfo.builder().tableName(args[1]).build(), job); JobClient.runJob(job); }
通过Idea打jar之后,jar需要上传到阿里云资源组里面。
然后自己的笔记本上可以用ODPS 命令行执行 odps任务, 参考: https://yq.aliyun.com/articles/1487
命令:
jar -resources ChoseWords.jar,category_words.txt -classpath /Users/xxx/IdeaProjects/ChoseWords/out/artifacts/ChoseWords_jar/ChoseWords.jar com.aliyun.odps.mapred.open.example.WordCount projectxxx-dwd_input_table-dt=20170601 dwd_shop_tags;
上面输入表的project,table 和partition放在一个参数里面,自己在程序里面切分。
最后当我们想把数据放在阿里云任务调度中执行,设置好mapper,reducer和combiner就可以执行。注意mapper 最后一个类前面是$符合,不是dot。有点坑爹。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 使用vbscript代码从文本文件中读取和写入值
- Java读取Excel并解析文本(并格式化输出)
- 在Python中使用xlrd读取数字Excel数据作为文本
- js 读取 input[type=file] 内容,直接显示文本 | 图片
- Tensorflow数据读取指南
- Python如何读取文件
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。