Question

我有一个MapReduce作业，它输出一个IntWritable作为键，Point（我创建的实现可写的对象）对象作为map函数的值。然后在reduce函数中，我使用for-each循环遍历可迭代的Points来创建一个列表：

@Override
public void reduce(IntWritable key, Iterable<Point> points, Context context) throws IOException, InterruptedException {

    List<Point> pointList = new ArrayList<>();
    for (Point point : points) {
        pointList.add(point);
    }
    context.write(key, pointList);
}

问题是这个列表的大小正确，但每个Point都完全相同。我的Point类中的字段不是静态的，我在循环中单独打印每个点以确保这些点是唯一的（它们是唯一的）。此外，我创建了一个单独的类，只创建了几个点并将它们添加到列表中，这似乎有效，这意味着MapReduce会做一些我不知道的事情。

任何帮助解决这个问题都将非常感激。

更新： Mapper类的代码：

private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
private IntWritable firstChar = new IntWritable();
private Point point = new Point();

@Override
public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
    String line = value.toString();
    StringTokenizer tokenizer = new StringTokenizer(line, " ");

    while(tokenizer.hasMoreTokens()) {
        String atts = tokenizer.nextToken();
        String cut = atts.substring(1, atts.length() - 1);
        String[] nums = cut.split(",");

        point.set(Double.parseDouble(nums[0]), Double.parseDouble(nums[1]), Double.parseDouble(nums[2]), Double.parseDouble(nums[3]));
        context.write(one, point);
    }
}

点类：

public class Point implements Writable {

public Double att1;
public Double att2;
public Double att3;
public Double att4;

public Point() {

}

public void set(Double att1, Double att2, Double att3, Double att4) {
    this.att1 = att1;
    this.att2 = att2;
    this.att3 = att3;
    this.att4 = att4;
}

@Override
public void write(DataOutput dataOutput) throws IOException {
    dataOutput.writeDouble(att1);
    dataOutput.writeDouble(att2);
    dataOutput.writeDouble(att3);
    dataOutput.writeDouble(att4);
}

@Override
public void readFields(DataInput dataInput) throws IOException {
    this.att1 = dataInput.readDouble();
    this.att2 = dataInput.readDouble();
    this.att3 = dataInput.readDouble();
    this.att4 = dataInput.readDouble();
}

@Override
public String toString() {
    String output = "{" + att1 + ", " + att2 + ", " + att3 + ", " + att4 + "}";
    return output;
}

Answer 1

问题在于减速机。您不想将所有点存储在内存中。它们可能很大并且Hadoop为您解决了这个问题（即使是以一种尴尬的方式）。

循环遍历给定的Iterable<Points>时，每个Point实例都会被重用，因此它只会在给定时间内保留一个实例。

这意味着当你致电points.next()时，会发生以下两件事：

Point实例被重用并使用下一个点数据
同样适用于Key实例。

在您的情况下，您会在列表中找到多次插入Point的一个实例，并使用上一个Point中的数据进行设置。

您不应该在减速器中保存Writables的实例，也不应克隆它们。

您可以在此处阅读有关此问题的更多信息，https://cornercases.wordpress.com/2011/08/18/hadoop-object-reuse-pitfall-all-my-reducer-values-are-the-same/

在MapReduce中使用List作为值返回相同的值

1 个答案: