mapreduce作业往往消耗/产生大量数据。它们也往往是独立的应用程序，而不是某些大型工作流的一部分。这两种说法在本案中似乎都不成立。可以将输出格式设置为nulloutputformat以防止创建任何文件。然后，您可以将结果作为字符串添加到job conf中，这将使任何可以读取conf的人都可以使用这些结果。

据我了解，您的问题是，您正在使用HiveforMapReduce来处理hdfs数据，并且希望最终使用HiveOutput，而不是将输出保存到hdfs。您可以在配置单元中使用以下命令将o/p写入hdfs或本地文件系统：
以下命令将表输出到本地目录insert overwrite local directory“”selectfrom table\ u name；
下面的命令将表输出到hdfs文件insert overwrite目录'/tmp/hdfs\u out'选择一个from table\u name；
稍后，如果您想使用这个o/p，请使用hdfs中的另一个javamro/p。
为了实现这一点，您需要先将配置单元输出写入hdfs，然后使用下面的解决方案来处理两个不同的o/p。
解决方案1：在java语言中使用map-side或reduce-side连接。
[或]
soultion2：使用jobconfig对象或hadoop分布式缓存的并行技术。

有许多方法可以处理hadoop m-r框架的输出。用户描述m-r作业的主要接口是jobconf类

getOutputFormat()

以及

setOutputFormat()

方法，其中可以/可以描述不同的结果集合，例如db（hbase）存储。需要记住的是，m-r作业处理大量的数据，除非您有一个良好的分布式对象体系结构，否则在java内存中将这些数据作为对象进行管理会很麻烦。
或者你可以提供你的实际需求。
希望这有帮助，帕特

mapreduce任务通常从hdfs或hbase获取文件。
首先获取hdfs文件系统中目录的绝对路径
现在，在map reduce任务的main方法或批处理中，使用job类的setoutputformat（）设置输出格式
文本输出示例为

Configuration conf = new Configuration();
    Job job = new Job(conf, "app");
    job.setJarByClass(Application.class); // batch/main method's class name
    job.setMapperClass(Mapper.class);
    job.setReducerClass(Reducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(Text.class);
    job.setMapOutputKeyClass(Text.class);
    job.setMapOutputValueClass(Text.class);
    job.setInputFormatClass(TextInputFormat.class);
    job.setOutputFormatClass(TextOutputFormat.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));

现在，在运行hadoop任务时，第二个参数是输出路径，即hdfs的子目录的路径。
现在由于文件在hdfs中，我们不能使用普通的unix命令访问它，首先将文件从hdfs转换为ext3/4文件格式，然后使用nano/vi读取它
dfs-目录{path\u to\u outfile\u inhdfs}