Question

我有一个自定义分区程序，如下所示：

import java.util.*;
import org.apache.hadoop.mapreduce.*;

public static class SignaturePartitioner extends Partitioner<Text,Text>
{
    @Override
    public int getPartition(Text key,Text value,int numReduceTasks)
    {
        return (key.toString().Split(' ')[0].hashCode() & Integer.MAX_VALUE) % numReduceTasks;
    }  
}

我设置了如下所示的hadoop流参数

 -file SignaturePartitioner.java \
 -partitioner SignaturePartitioner \

然后我收到一个错误：找不到类。

你知道这是什么问题吗？

最诚挚的问候，

Answer 1

我遇到了同样的问题，但经过大量研究后成功解决了问题。

根本原因是流 - 2.6.0.jar使用mapred api而不是mapreduce api。另外，实现Partitioner接口，而不是扩展Partitioner类。以下对我有用：

import java.io.IOException;
 import org.apache.hadoop.io.Text;
 import org.apache.hadoop.mapred.Partitioner;
 import org.apache.hadoop.mapred.JobConf;`

public class Mypartitioner implements Partitioner<Text, Text> {`

public void configure(JobConf job) {}
 public int getPartition(Text pkey, Text pvalue, int pnumparts)
    {
      if (pkey.toString().startsWith("a"))
       return 0;
      else  return 1 ;
    }
  }

编译Mypartitioner，创建jar，然后

bin/hadoop jar share/hadoop/tools/lib/hadoop-streaming-2.6.0.jar
-libjars /home/sanjiv/hadoop-2.6.0/Mypartitioner.jar
-D mapreduce.job.reduces=2
-files /home/sanjiv/mymapper.sh,/home/sanjiv/myreducer.sh
-input indir -output outdir -mapper mymapper.sh
-reducer myreducer.sh -partitioner Mypartitioner

Answer 2

-file SignaturePartitioner.java -partitioner SignaturePartitioner

-file选项将使Hadoop框架在所有必需节点上提供该文件。它需要指向类名而不是Java文件名。

如何为hadoop流指定分区程序

2 个答案: