您可以直接从Map器实现将输出写入hdfs—只需使用上下文的配置创建一个文件系统对象，然后创建一个文件，写入其中并记住关闭它：

public void cleanup(Context context) {
    FileSystem fs = FileSystem.get(context.getConfiguration());
    PrintStream ps = new PrintStream(fs.create(
        new Path("/path/to/output", "map-output")));
    ps.println("test");
    ps.close();
}

需要考虑的其他事项-每个文件都需要在hdfs中唯一命名，因此可以用Map器id号作为文件名的后缀，但是您还需要考虑推测性执行（因为Map器任务示例可能在两个位置运行-两个位置都试图在hdfs中写入同一个文件）。
当输出提交者在tmp hdfs目录中创建带有任务id和尝试编号的文件时，通常会将其抽象出来，只会在提交该任务尝试时将其移动到正确的位置和文件名。在运行map-side（将数据写入本地文件系统）时，如果不关闭推测性执行或在hdfs中创建多个文件（每次尝试一个），就无法解决此问题。
因此，更“完整”的解决方案如下所示：

FileSystem fs = FileSystem.get(context.getConfiguration());
PrintStream ps = new PrintStream(fs.create(new Path(
        "/path/to/output", String.format("map-output-%05d-%d",
        context.getTaskAttemptID().getTaskID().getId(),
        context.getTaskAttemptID().getId()))));
ps.println("test");
ps.close();

multipleoutputs可以帮助您减少side，但我不认为map side可以工作，因为没有输出提交程序，工作目录也不在hdfs中。
当然，如果这只是一个Map器的工作，那么多次输出就可以了。因此，另一种方法是运行一个只Map的作业，然后在第二个作业中使用所需的输出部分（使用身份Map器）-这取决于您移动的数据量。

是的，可以使用multipleoutputs，根据docs，在map阶段通过multipleoutputs传递的任何输出都会被reducer忽略，所以这正是您想要的。我在github上写了一个小例子，希望你会发现它很有用。