zoukankan html css js c++ java

Hadoop学习之路（二十二）MapReduce的输入和输出

MapReduce的输入

作为一个会编写MR程序的人来说，知道map方法的参数是默认的数据读取组件读取到的一行数据

1、是谁在读取？是谁在调用这个map方法?

查看源码Mapper.java知道是run方法在调用map方法。

 1 /**
 2      * 
 3      * 找出谁在调用Run方法
 4      * 
 5      * 
 6      * 有一个组件叫做：MapTask
 7      * 
 8      * 就会有对应的方法在调用mapper.run(context);
 9      * 
10      * 
11      * context.nextKeyValue() ====== lineRecordReader.nextKeyValue();
12      */
13     public void run(Context context) throws IOException, InterruptedException {
14 
15         /**
16          * 在每一个mapTask被初始化出来的时候，就会被调用一次
17          */
18         setup(context);
19         try {
20 
21             /**
22              * 数据读取组件每次读取到一行，都交给map方法执行一次
23              * 
24              * 
25              * context.nextKeyValue()的意义有连点：
26              * 
27              * 1、读取一个key-value到该context对象中的两个属性中：key-value
28              * 2、方法的返回值并不是读取到的key-value，是标志有没有读取到key_value的布尔值
29              * 
30              * 
31              * context.getCurrentKey() ==== key
32              * context.getCurrentValue() ==== value
33              * 
34              * 
35              * 
36              * 依赖于最底层的 LineRecordReader的实现
37              * 
38              * 你的nextKeyValue方法的返回结果中，一定要包含 false
39              */
40             while (context.nextKeyValue()) {
41                 map(context.getCurrentKey(), context.getCurrentValue(), context);
42             }
43 
44         } finally {
45 
46             /**
47              * 当前这个mapTask在执行完毕所有的该切片数据之后，会执行
48              */
49             cleanup(context);
50         }
51     }

此处map方法中有四个重要的方法：

1、context.nextKeyValue(); //负责读取数据，但是方法的返回值却不是读取到的key-value，而是返回了一个标识有没有读取到数据的布尔值

2、context.getCurrentKey(); //负责获取context.nextKeyValue() 读取到的key

3、context.getCurrentValue(); //负责获取context.nextKeyValue() 读取到的value

4、context.write(key,value); //负责输出mapper阶段输出的数据

2、谁在调用run方法？context参数怎么来的，是什么？

共同答案：找到了谁在调用run方法，那么就能知道这个谁就会给run方法传入一个参数叫做：context

最开始，mapper.run(context)是由mapTask实例对象进行调用

查看源码MapTask.java

 1 @Override
 2     public void run(final JobConf job, final TaskUmbilicalProtocol umbilical)
 3             throws IOException, ClassNotFoundException, InterruptedException {
 4         this.umbilical = umbilical;
 5 
 6         if (isMapTask()) {
 7             // If there are no reducers then there won't be any sort. Hence the
 8             // map
 9             // phase will govern the entire attempt's progress.
10             if (conf.getNumReduceTasks() == 0) {
11                 mapPhase = getProgress().addPhase("map", 1.0f);
12             } else {
13                 // If there are reducers then the entire attempt's progress will
14                 // be
15                 // split between the map phase (67%) and the sort phase (33%).
16                 mapPhase = getProgress().addPhase("map", 0.667f);
17                 sortPhase = getProgress().addPhase("sort", 0.333f);
18             }
19         }
20         TaskReporter reporter = startReporter(umbilical);
21 
22         boolean useNewApi = job.getUseNewMapper();
23         initialize(job, getJobID(), reporter, useNewApi);
24 
25         // check if it is a cleanupJobTask
26         if (jobCleanup) {
27             runJobCleanupTask(umbilical, reporter);
28             return;
29         }
30         if (jobSetup) {
31             runJobSetupTask(umbilical, reporter);
32             return;
33         }
34         if (taskCleanup) {
35             runTaskCleanupTask(umbilical, reporter);
36             return;
37         }
38 
39         /**
40          * run方法的核心：
41          * 
42          * 新的API
43          */
44 
45         if (useNewApi) {
46             /**
47              * jobConf对象， splitMetaInfo 切片信息 umbilical 通信协议
48              * reporter就是包含了各种计数器的一个对象
49              */
50             runNewMapper(job, splitMetaInfo, umbilical, reporter);
51         } else {
52             runOldMapper(job, splitMetaInfo, umbilical, reporter);
53         }
54 
55         done(umbilical, reporter);
56     }

得出伪代码调动新的API

1　　　　　　　 mapTask.run(){
2                 runNewMapper(){
3                     mapper.run(mapperContext);
4                 }
5             }

3、查看runNewMapper方法

发现此方法还是在MapTask.java中

  1 /**
  2      * 这就是具体的调用逻辑的核心；
  3      * 
  4      * 
  5      * mapper.run(context);
  6      * 
  7      * 
  8      * 
  9      * @param job
 10      * @param splitIndex
 11      * @param umbilical
 12      * @param reporter
 13      * @throws IOException
 14      * @throws ClassNotFoundException
 15      * @throws InterruptedException
 16      */
 17     @SuppressWarnings("unchecked")
 18     private <INKEY, INVALUE, OUTKEY, OUTVALUE> void runNewMapper(final JobConf job, final TaskSplitIndex splitIndex,
 19             final TaskUmbilicalProtocol umbilical, TaskReporter reporter)
 20             throws IOException, ClassNotFoundException, InterruptedException {
 21         // make a task context so we can get the classes
 22         org.apache.hadoop.mapreduce.TaskAttemptContext taskContext = new org.apache.hadoop.mapreduce.task.TaskAttemptContextImpl(
 23                 job, getTaskID(), reporter);
 24         // make a mapper
 25         org.apache.hadoop.mapreduce.Mapper<INKEY, INVALUE, OUTKEY, OUTVALUE> mapper = (org.apache.hadoop.mapreduce.Mapper<INKEY, INVALUE, OUTKEY, OUTVALUE>) ReflectionUtils
 26                 .newInstance(taskContext.getMapperClass(), job);
 27         
 28         
 29         
 30         
 31         /**
 32          * inputFormat.createRecordReader() === RecordReader real
 33          * 
 34          * 
 35          * inputFormat就是TextInputFormat类的实例对象
 36          * 
 37          * TextInputFormat组件中的createRecordReader方法的返回值就是  LineRecordReader的实例对象
 38          */
 39         // make the input format
 40         org.apache.hadoop.mapreduce.InputFormat<INKEY, INVALUE> inputFormat = 
 41                 (org.apache.hadoop.mapreduce.InputFormat<INKEY, INVALUE>) 
 42                 ReflectionUtils.newInstance(taskContext.getInputFormatClass(), job);
 43         
 44         
 45         
 46         
 47         
 48         // rebuild the input split
 49         org.apache.hadoop.mapreduce.InputSplit split = null;
 50         split = getSplitDetails(new Path(splitIndex.getSplitLocation()), splitIndex.getStartOffset());
 51         LOG.info("Processing split: " + split);
 52 
 53         /**
 54          * NewTrackingRecordReader这个类中一定有三个方法：
 55          * 
 56          * nextKeyValue
 57          * getCurrentKey
 58          * getCurrentValue
 59          * 
 60          * NewTrackingRecordReader的里面的三个方法的实现
 61          * 其实是依赖于于inputFormat对象的createRecordReader方法的返回值的  三个方法的实现
 62          * 
 63          * 默认的InputFormat： TextInputFormat
 64          * 默认的RecordReader：LineRecordReader
 65          * 
 66          * 
 67          * 最终：NewTrackingRecordReader的三个方法的实现是依赖于：LineRecordReader这个类中的三个同名方法的实现
 68          */
 69         org.apache.hadoop.mapreduce.RecordReader<INKEY, INVALUE> input = 
 70                 new NewTrackingRecordReader<INKEY, INVALUE>(
 71                 split, inputFormat, reporter, taskContext);
 72 
 73         job.setBoolean(JobContext.SKIP_RECORDS, isSkipping());
 74         
 75         
 76         
 77         
 78         
 79         /**
 80          * 声明一个Output对象用来给mapper的key-value进行输出
 81          */
 82         org.apache.hadoop.mapreduce.RecordWriter output = null;
 83         // get an output object
 84         if (job.getNumReduceTasks() == 0) {
 85             
 86             /**
 87              * NewDirectOutputCollector  直接输出的一个收集器，  这个类中一定有一个方法 叫做  write
 88              */
 89             output = new NewDirectOutputCollector(taskContext, job, umbilical, reporter);
 90         } else {
 91             
 92             
 93             /**
 94              * 有reducer阶段了。
 95              * 
 96              *         1、能确定，一定会排序
 97              * 
 98              *         2、能否确定一定会使用Parititioner,  不一定。     在逻辑上可以任务没有起作用。
 99              * 
100              * NewOutputCollector 这个类当中，一定有一个方法：write方法
101              */
102             output = new NewOutputCollector(taskContext, job, umbilical, reporter);
103         }
104         
105         
106         
107         
108 
109         /**
110          *  mapContext对象中一定包含三个方法
111          *  
112          *  找到了之前第一查看源码实现的方法的问题的答案：
113          *  
114          *      问题：找到谁调用MapContextImpl这个类的构造方法
115          *  
116          *      mapContext就是MapContextImpl的实例对象
117          *      
118          *      MapContextImpl类中一定有三个方法：
119          *      
120          *      input  ===  NewTrackingRecordReader
121          *      
122          *      
123          *      
124          *      确定的知识：
125          *      
126          *      1、mapContext对象中，一定有write方法
127          *      
128          *      2、通过观看MapContextImpl的组成，发现其实没有write方法
129          *      
130          *      解决：
131          *      
132          *      其实mapContext.write方法的调用是来自于MapContextImpl这个类的父类
133          *      
134          *      
135          *      
136          *      最底层的write方法：  output.write();
137          */
138         org.apache.hadoop.mapreduce.MapContext<INKEY, INVALUE, OUTKEY, OUTVALUE> mapContext = 
139                 new MapContextImpl<INKEY, INVALUE, OUTKEY, OUTVALUE>(
140                 job, getTaskID(), input, output, committer, reporter, split);
141 
142         /**
143          * mapperContext的内部一定包含是三个犯法：
144          * 
145          * nextKeyValue
146          * getCurrentKey
147          * getCurrentValue
148          * 
149          * mapperContext的具体实现是依赖于new Context(context);
150          * context = mapContext
151          * 
152          * 结论：
153          * 
154          * mapContext对象的内部一定包含以下三个方法：
155          * 
156          * nextKeyValue
157          * getCurrentKey
158          * getCurrentValue
159          * 
160          * 
161          * mapContext 中 也有一个方法叫做：write(key,value)
162          */
163         org.apache.hadoop.mapreduce.Mapper<INKEY, INVALUE, OUTKEY, OUTVALUE>.Context mapperContext = 
164                 new WrappedMapper<INKEY, INVALUE, OUTKEY, OUTVALUE>()
165                 .getMapContext(mapContext);
166 
167         try {
168             
169             
170             
171             
172             input.initialize(split, mapperContext);
173             
174             
175             
176             /**
177              * 复杂调用整个mapTask执行的入口
178              * 
179              * 方法的逻辑构成：
180              * 
181              *     1、重点方法在最后，或者在try中
182              *  2、其他的代码，几乎只有两个任务：一个用来记录记日志或者完善流程。。 一个准备核心方法的参数
183              */
184             mapper.run(mapperContext);
185             
186             
187             
188             mapPhase.complete();
189             setPhase(TaskStatus.Phase.SORT);
190             statusUpdate(umbilical);
191             input.close();
192             input = null;
193             output.close(mapperContext);
194             output = null;
195             
196             
197             
198         } finally {
199             closeQuietly(input);
200             closeQuietly(output, mapperContext);
201         }
202     }

能确定的是：mapperContext一定有上面说的那四个重要的方法，往上继续查找mapperContext

 /**
143          * mapperContext的内部一定包含是三个犯法：
144          * 
145          * nextKeyValue
146          * getCurrentKey
147          * getCurrentValue
148          * 
149          * mapperContext的具体实现是依赖于new Context(context);
150          * context = mapContext
151          * 
152          * 结论：
153          * 
154          * mapContext对象的内部一定包含以下三个方法：
155          * 
156          * nextKeyValue
157          * getCurrentKey
158          * getCurrentValue
159          * 
160          * 
161          * mapContext 中 也有一个方法叫做：write(key,value)
162          */
163         org.apache.hadoop.mapreduce.Mapper<INKEY, INVALUE, OUTKEY, OUTVALUE>.Context mapperContext = 
164                 new WrappedMapper<INKEY, INVALUE, OUTKEY, OUTVALUE>()
165                 .getMapContext(mapContext);

查看WrappedMapper.java

  1 /**
  2  * Licensed to the Apache Software Foundation (ASF) under one
  3  * or more contributor license agreements.  See the NOTICE file
  4  * distributed with this work for additional information
  5  * regarding copyright ownership.  The ASF licenses this file
  6  * to you under the Apache License, Version 2.0 (the
  7  * "License"); you may not use this file except in compliance
  8  * with the License.  You may obtain a copy of the License at
  9  *
 10  *     http://www.apache.org/licenses/LICENSE-2.0
 11  *
 12  * Unless required by applicable law or agreed to in writing, software
 13  * distributed under the License is distributed on an "AS IS" BASIS,
 14  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
 15  * See the License for the specific language governing permissions and
 16  * limitations under the License.
 17  */
 18 
 19 package org.apache.hadoop.mapreduce.lib.map;
 20 
 21 import java.io.IOException;
 22 import java.net.URI;
 23 
 24 import org.apache.hadoop.classification.InterfaceAudience;
 25 import org.apache.hadoop.classification.InterfaceStability;
 26 import org.apache.hadoop.conf.Configuration;
 27 import org.apache.hadoop.conf.Configuration.IntegerRanges;
 28 import org.apache.hadoop.fs.Path;
 29 import org.apache.hadoop.io.RawComparator;
 30 import org.apache.hadoop.mapreduce.Counter;
 31 import org.apache.hadoop.mapreduce.InputFormat;
 32 import org.apache.hadoop.mapreduce.InputSplit;
 33 import org.apache.hadoop.mapreduce.JobID;
 34 import org.apache.hadoop.mapreduce.MapContext;
 35 import org.apache.hadoop.mapreduce.Mapper;
 36 import org.apache.hadoop.mapreduce.OutputCommitter;
 37 import org.apache.hadoop.mapreduce.OutputFormat;
 38 import org.apache.hadoop.mapreduce.Partitioner;
 39 import org.apache.hadoop.mapreduce.Reducer;
 40 import org.apache.hadoop.mapreduce.TaskAttemptID;
 41 import org.apache.hadoop.security.Credentials;
 42 
 43 /**
 44  * A {@link Mapper} which wraps a given one to allow custom
 45  * {@link Mapper.Context} implementations.
 46  */
 47 @InterfaceAudience.Public
 48 @InterfaceStability.Evolving
 49 public class WrappedMapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT> extends Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT> {
 50 
 51     /**
 52      * Get a wrapped {@link Mapper.Context} for custom implementations.
 53      * 
 54      * @param mapContext
 55      *            <code>MapContext</code> to be wrapped
 56      * @return a wrapped <code>Mapper.Context</code> for custom implementations
 57      */
 58     public Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>.Context getMapContext(
 59             MapContext<KEYIN, VALUEIN, KEYOUT, VALUEOUT> mapContext) {
 60         return new Context(mapContext);
 61     }
 62 
 63     @InterfaceStability.Evolving
 64     public class Context extends Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>.Context {
 65 
 66         protected MapContext<KEYIN, VALUEIN, KEYOUT, VALUEOUT> mapContext;
 67 
 68         public Context(MapContext<KEYIN, VALUEIN, KEYOUT, VALUEOUT> mapContext) {
 69             this.mapContext = mapContext;
 70         }
 71 
 72         /**
 73          * Get the input split for this map.
 74          */
 75         public InputSplit getInputSplit() {
 76             return mapContext.getInputSplit();
 77         }
 78 
 79         @Override
 80         public KEYIN getCurrentKey() throws IOException, InterruptedException {
 81             return mapContext.getCurrentKey();
 82         }
 83 
 84         @Override
 85         public VALUEIN getCurrentValue() throws IOException, InterruptedException {
 86             return mapContext.getCurrentValue();
 87         }
 88 
 89         @Override
 90         public boolean nextKeyValue() throws IOException, InterruptedException {
 91             return mapContext.nextKeyValue();
 92         }
 93 
 94         @Override
 95         public Counter getCounter(Enum<?> counterName) {
 96             return mapContext.getCounter(counterName);
 97         }
 98 
 99         @Override
100         public Counter getCounter(String groupName, String counterName) {
101             return mapContext.getCounter(groupName, counterName);
102         }
103 
104         @Override
105         public OutputCommitter getOutputCommitter() {
106             return mapContext.getOutputCommitter();
107         }
108 
109         @Override
110         public void write(KEYOUT key, VALUEOUT value) throws IOException, InterruptedException {
111             mapContext.write(key, value);
112         }
113 
114         @Override
115         public String getStatus() {
116             return mapContext.getStatus();
117         }
118 
119         @Override
120         public TaskAttemptID getTaskAttemptID() {
121             return mapContext.getTaskAttemptID();
122         }
123 
124         @Override
125         public void setStatus(String msg) {
126             mapContext.setStatus(msg);
127         }
128 
129         @Override
130         public Path[] getArchiveClassPaths() {
131             return mapContext.getArchiveClassPaths();
132         }
133 
134         @Override
135         public String[] getArchiveTimestamps() {
136             return mapContext.getArchiveTimestamps();
137         }
138 
139         @Override
140         public URI[] getCacheArchives() throws IOException {
141             return mapContext.getCacheArchives();
142         }
143 
144         @Override
145         public URI[] getCacheFiles() throws IOException {
146             return mapContext.getCacheFiles();
147         }
148 
149         @Override
150         public Class<? extends Reducer<?, ?, ?, ?>> getCombinerClass() throws ClassNotFoundException {
151             return mapContext.getCombinerClass();
152         }
153 
154         @Override
155         public Configuration getConfiguration() {
156             return mapContext.getConfiguration();
157         }
158 
159         @Override
160         public Path[] getFileClassPaths() {
161             return mapContext.getFileClassPaths();
162         }
163 
164         @Override
165         public String[] getFileTimestamps() {
166             return mapContext.getFileTimestamps();
167         }
168 
169         @Override
170         public RawComparator<?> getCombinerKeyGroupingComparator() {
171             return mapContext.getCombinerKeyGroupingComparator();
172         }
173 
174         @Override
175         public RawComparator<?> getGroupingComparator() {
176             return mapContext.getGroupingComparator();
177         }
178 
179         @Override
180         public Class<? extends InputFormat<?, ?>> getInputFormatClass() throws ClassNotFoundException {
181             return mapContext.getInputFormatClass();
182         }
183 
184         @Override
185         public String getJar() {
186             return mapContext.getJar();
187         }
188 
189         @Override
190         public JobID getJobID() {
191             return mapContext.getJobID();
192         }
193 
194         @Override
195         public String getJobName() {
196             return mapContext.getJobName();
197         }
198 
199         @Override
200         public boolean getJobSetupCleanupNeeded() {
201             return mapContext.getJobSetupCleanupNeeded();
202         }
203 
204         @Override
205         public boolean getTaskCleanupNeeded() {
206             return mapContext.getTaskCleanupNeeded();
207         }
208 
209         @Override
210         public Path[] getLocalCacheArchives() throws IOException {
211             return mapContext.getLocalCacheArchives();
212         }
213 
214         @Override
215         public Path[] getLocalCacheFiles() throws IOException {
216             return mapContext.getLocalCacheFiles();
217         }
218 
219         @Override
220         public Class<?> getMapOutputKeyClass() {
221             return mapContext.getMapOutputKeyClass();
222         }
223 
224         @Override
225         public Class<?> getMapOutputValueClass() {
226             return mapContext.getMapOutputValueClass();
227         }
228 
229         @Override
230         public Class<? extends Mapper<?, ?, ?, ?>> getMapperClass() throws ClassNotFoundException {
231             return mapContext.getMapperClass();
232         }
233 
234         @Override
235         public int getMaxMapAttempts() {
236             return mapContext.getMaxMapAttempts();
237         }
238 
239         @Override
240         public int getMaxReduceAttempts() {
241             return mapContext.getMaxReduceAttempts();
242         }
243 
244         @Override
245         public int getNumReduceTasks() {
246             return mapContext.getNumReduceTasks();
247         }
248 
249         @Override
250         public Class<? extends OutputFormat<?, ?>> getOutputFormatClass() throws ClassNotFoundException {
251             return mapContext.getOutputFormatClass();
252         }
253 
254         @Override
255         public Class<?> getOutputKeyClass() {
256             return mapContext.getOutputKeyClass();
257         }
258 
259         @Override
260         public Class<?> getOutputValueClass() {
261             return mapContext.getOutputValueClass();
262         }
263 
264         @Override
265         public Class<? extends Partitioner<?, ?>> getPartitionerClass() throws ClassNotFoundException {
266             return mapContext.getPartitionerClass();
267         }
268 
269         @Override
270         public Class<? extends Reducer<?, ?, ?, ?>> getReducerClass() throws ClassNotFoundException {
271             return mapContext.getReducerClass();
272         }
273 
274         @Override
275         public RawComparator<?> getSortComparator() {
276             return mapContext.getSortComparator();
277         }
278 
279         @Override
280         public boolean getSymlink() {
281             return mapContext.getSymlink();
282         }
283 
284         @Override
285         public Path getWorkingDirectory() throws IOException {
286             return mapContext.getWorkingDirectory();
287         }
288 
289         @Override
290         public void progress() {
291             mapContext.progress();
292         }
293 
294         @Override
295         public boolean getProfileEnabled() {
296             return mapContext.getProfileEnabled();
297         }
298 
299         @Override
300         public String getProfileParams() {
301             return mapContext.getProfileParams();
302         }
303 
304         @Override
305         public IntegerRanges getProfileTaskRange(boolean isMap) {
306             return mapContext.getProfileTaskRange(isMap);
307         }
308 
309         @Override
310         public String getUser() {
311             return mapContext.getUser();
312         }
313 
314         @Override
315         public Credentials getCredentials() {
316             return mapContext.getCredentials();
317         }
318 
319         @Override
320         public float getProgress() {
321             return mapContext.getProgress();
322         }
323     }
324 }

View Code

此类里面一定有那4个重要的方法，发现调用了mapContext，继续往上找

/**
110          *  mapContext对象中一定包含三个方法
111          *  
112          *  找到了之前第一查看源码实现的方法的问题的答案：
113          *  
114          *      问题：找到谁调用MapContextImpl这个类的构造方法
115          *  
116          *      mapContext就是MapContextImpl的实例对象
117          *      
118          *      MapContextImpl类中一定有三个方法：
119          *      
120          *      input  ===  NewTrackingRecordReader
121          *      
122          *      
123          *      
124          *      确定的知识：
125          *      
126          *      1、mapContext对象中，一定有write方法
127          *      
128          *      2、通过观看MapContextImpl的组成，发现其实没有write方法
129          *      
130          *      解决：
131          *      
132          *      其实mapContext.write方法的调用是来自于MapContextImpl这个类的父类
133          *      
134          *      
135          *      
136          *      最底层的write方法：  output.write();
137          */
138         org.apache.hadoop.mapreduce.MapContext<INKEY, INVALUE, OUTKEY, OUTVALUE> mapContext = 
139                 new MapContextImpl<INKEY, INVALUE, OUTKEY, OUTVALUE>(
140                 job, getTaskID(), input, output, committer, reporter, split);

mapConext就是这个类MapContextImpl的实例对象

继续确定:

mapConext = new MapContextImpl(input)
mapConext.nextKeyVlaue(){

LineRecordReader real = input.createRecordReader();

real.nextKeyValue();
}

查看MapContextImpl.java源码

 1 public class MapContextImpl<KEYIN, VALUEIN, KEYOUT, VALUEOUT>
 2         extends TaskInputOutputContextImpl<KEYIN, VALUEIN, KEYOUT, VALUEOUT>
 3         implements MapContext<KEYIN, VALUEIN, KEYOUT, VALUEOUT> {
 4     
 5     
 6     private RecordReader<KEYIN, VALUEIN> reader;
 7     private InputSplit split;
 8 
 9     public MapContextImpl(Configuration conf, 
10             TaskAttemptID taskid, 
11             RecordReader<KEYIN, VALUEIN> reader,
12             RecordWriter<KEYOUT, VALUEOUT> writer, 
13             OutputCommitter committer, 
14             StatusReporter reporter,
15             InputSplit split) {
16         
17         
18         
19         // 通过super调用父类的构造方法
20         super(conf, taskid, writer, committer, reporter);
21         
22         
23         
24         this.reader = reader;
25         this.split = split;
26     }
27 
28     /**
29      * Get the input split for this map.
30      */
31     public InputSplit getInputSplit() {
32         return split;
33     }

40     @Override
41     public KEYIN getCurrentKey() throws IOException, InterruptedException {
42         return reader.getCurrentKey();
43     }
44 
45     @Override
46     public VALUEIN getCurrentValue() throws IOException, InterruptedException {
47         return reader.getCurrentValue();
48     }
49 
50     @Override
51     public boolean nextKeyValue() throws IOException, InterruptedException {
52         return reader.nextKeyValue();
53     }
54     
55     
56     
57 
58 }

查看全文

相关阅读:
SpringBoot： 2.SpringBoot整合servlet（转）
SpringBoot： 1.创建第一个SpringBoot项目（转）
SqlServer：SqlServer（服务器磁盘监控，创建管理员账号分配权，添加链接服务器，查询CPU，查询内存）
Log parser工具使用
 目录爆破工具
 安装腾讯QQ问题记录
 Sql Server 2017 安装问题记录
 reGeorg+Proxifier使用
 Swaks
python2.7 安装pycrypto库报错

原文地址：https://www.cnblogs.com/qingyunzong/p/8615013.html