Question

我正在尝试通过更改hadoop给出的wordcount示例来创建简单的地图缩减作业。

我正在尝试列出一个列表而不是一个单词的计数。 wordcount示例给出以下输出

hello 2
world 2

我正在尝试将其作为列表输出，这将构成未来工作的基础

hello 1 1
world 1 1

我认为我走在正确的轨道上，但我在编写列表时遇到了麻烦。而不是上述，我正在

Hello   foo.MyArrayWritable@61250ff2
World   foo.MyArrayWritable@483a0ab1

这是我的MyArrayWritable。我在write(DataOuptut arg0)中放了一个sys，但它从不输出任何内容，所以我认为该方法可能不会被调用，我不知道为什么。

class MyArrayWritable extends ArrayWritable{

public MyArrayWritable(Class<? extends Writable> valueClass, Writable[] values) {
    super(valueClass, values);
}
public MyArrayWritable(Class<? extends Writable> valueClass) {
    super(valueClass);
}

@Override
public IntWritable[] get() {
    return (IntWritable[]) super.get();
}

@Override
public void write(DataOutput arg0) throws IOException {
    for(IntWritable i : get()){
        i.write(arg0);
    }
}
}

编辑 - 添加更多源代码

public class WordCount {

public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> {
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String line = value.toString();
        StringTokenizer tokenizer = new StringTokenizer(line);
        while (tokenizer.hasMoreTokens()) {
            word.set(tokenizer.nextToken());
            context.write(word, one);
        }
    }
} 

public static class Reduce extends Reducer<Text, IntWritable, Text, MyArrayWritable> {

    public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        ArrayList<IntWritable> list = new ArrayList<IntWritable>();    
        for (IntWritable val : values) {
            list.add(val);
        }
        context.write(key, new MyArrayWritable(IntWritable.class, list.toArray(new IntWritable[list.size()])));
    }
}

public static void main(String[] args) throws Exception {
    if(args == null || args.length == 0)
        args = new String[]{"./wordcount/input","./wordcount/output"};
    Path p = new Path(args[1]);
    FileSystem fs = FileSystem.get(new Configuration());
    fs.exists(p);
    fs.delete(p, true);

    Configuration conf = new Configuration();

    Job job = new Job(conf, "wordcount");
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    job.setMapperClass(Map.class);
    job.setReducerClass(Reduce.class);
    job.setJarByClass(WordCount.class);
    job.setInputFormatClass(TextInputFormat.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));

    job.waitForCompletion(true);
}

}

Answer 1

你的reducer中有一个'bug' - 值迭代器在整个循环中重复使用相同的IntWritable，所以你应该将添加到列表中的值包装如下：

public void reduce(Text key, Iterable<IntWritable> values, Context context)
                                      throws IOException, InterruptedException {
    ArrayList<IntWritable> list = new ArrayList<IntWritable>();    
    for (IntWritable val : values) {
        list.add(new IntWritable(val));
    }
    context.write(key, new MyArrayWritable(IntWritable.class, list.toArray(new IntWritable[list.size()])));
}

这实际上并不是一个问题，因为你正在使用一个数组列表而你的映射器只输出一个值（一个），但如果你扩展这个代码，它可能会让你失望。

您还需要在作业中定义地图和减速器输出类型不同：

// map output types
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
// reducer output types

job.setOutputValueClass(Text.class);
job.setOutputValueClass(MyArrayWritable.class);

您可能希望明确定义reducers的数量（这可能是您从未看到sysout写入任务日志的原因，尤其是当您的集群管理员已将默认数字定义为0时）：

job.setNumReduceTasks(1);

您使用默认的文本输出格式，它在输出键和值对上调用toString（） - MyArrayWritable没有重写的toString方法，因此您应该在MyArrayWritable中放置一个：

@Override
public String toString() {
  return Arrays.toString(get());
}

最后从MyArrayWritable中删除重写的write方法 - 这不是与免费的readFields方法兼容的有效实现。你不需要覆盖这个方法但是如果你这样做（比如说你想看一个sysout来验证它被调用）那么就做这样的事情：

@Override
public void write(DataOutput arg0) throws IOException {
  System.out.println("write method called");
  super.write(arg0);
}

使用自定义可写入从Hadoop Map Reduce作业输出列表

1 个答案: