在 《Hadoop 2.2.0安装和配置lzo》 文章中介绍了如何基于 Hadoop 2.2.0安装lzo。里面简单介绍了如果在Hive里面使用lzo数据。今天主要来说说如何在Hadoop 2.2.0中使用lzo压缩文件当作的数据。
　　lzo压缩默认的是不支持切分的，也就是说，如果直接把lzo文件当作Mapreduce任务的输入，那么Mapreduce只会用一个Map来处理这个输入文件，这显然不是我们想要的。其实我们只需要对lzo文件建立索引，这样这个lzo文件就会支持切分，也就可以用多个Map来处理lzo文件。我们可以用 《Hadoop 2.2.0安装和配置lzo》 文章中编译的hadoop-lzo-0.4.20-SNAPSHOT.jar包来对lzo文件建立索引(假如在/home/wyp/input目录下有个cite.txt.lzo文件，这个目录是在HDFS上)：

$ $HADOOP_HOMOE/bin/hadoop jar                  
                 $HADOOP_HOMOE/share/hadoop/common/hadoop-lzo-0.4.20-SNAPSHOT.jar 
                 com.hadoop.compression.lzo.DistributedLzoIndexer 
                 /home/wyp/input/cite.txt.lzo

生成出来的索引文件后缀为.index，并存放在lzo同一目录下.在本例中产生的索引文件是存放在/home/wyp/input目录下，名称为cite.txt.lzo.index。

$ $HADOOP_HOMOE/bin/hadoop jar                  
              $HADOOP_HOMOE/share/hadoop/common/hadoop-lzo-0.4.20-SNAPSHOT.jar 
              com.hadoop.compression.lzo.LzoIndexer
              /home/wyp/input/cite.txt.lzo

那么，如何在Mapreduce任务中使用lzo文件。下面分别对Mapreduce程序、Streaming程序以及Hive分别进行说明：

1、对于Mapreduce程序，我们需要把程序中所有的TextInputFormat修改为LzoTextInputFormat，如下：

job.setInputFormatClass(TextInputFormat.class);

修改为

job.setInputFormatClass(LzoTextInputFormat.class);

LzoTextInputFormat类需要引入相应的包，如果你是使用pom文件，可以引入以下依赖：

<dependency>
            <groupId>com.hadoop.gplcompression</groupId>
            <artifactId>hadoop-lzo</artifactId>
            <version>0.4.19</version>
</dependency>

如果你的输入格式不是LzoTextInputFormat类，那么Mapreduce程序将会把.index文件也当作是数据文件！修改完之后，需要重新编译你的Mapreduc程序。这样在运行Mapreduce程序的时候，将lzo文件所在的目录当作输入即可，Mapreduce程序会识别出.index文件的：

$ /home/q/hadoop-2.2.0/bin/hadoop jar 
                                  statistics2.jar com.wyp.Sts 
                                  -Dmapreduce.job.queuename=queue1 
                                  /home/wyp/input 
                                  /home/wyp/resluts

2、对于Streaming程序来说，可以通过-inputformat指定输入的文件格式，使用如下：

$ bin/hadoop jar 
             $HADOOP_HOMOE/share/hadoop/tools/lib/hadoop-streaming-2.2.0.jar 
             -inputformat com.hadoop.mapred.DeprecatedLzoTextInputFormat 
             -input /home/wyp/input 
             -output /home/wyp/results 
             -mapper /bin/cat 
             -reducer wc

$ bin/hadoop jar 
             $HADOOP_HOMOE/share/hadoop/tools/lib/hadoop-streaming-2.2.0.jar 
             -inputformat com.hadoop.mapred.DeprecatedLzoTextInputFormat 
             -input /home/wyp/input
             -D stream.map.input.ignoreKey=true 
             -output /home/wyp/results 
             -mapper /bin/cat 
             -reducer wc

3、对于Hive，需要在建表的时候注意，如下：

hive> create table lzo(
    > id int,
    > name string)
    > STORED AS INPUTFORMAT 'com.hadoop.mapred.DeprecatedLzoTextInputFormat' 
    > OUTPUTFORMAT 'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat';
OK
Time taken: 3.423 seconds

注意4,5行代码。这样就可以使用lzo文件了，并支持分割。