由于某些数据在所有map()函数之间共享，我无法在setup（）中生成它们，因为每个setup()对应于每个map()函数，并且我想要做的是预先生成一些数据并将其存储在可实现的地方，然后在每个map()中使用它。
我怎么可能这样做？假设我正在使用Mapreduce进行KNN，并且我想使用每个map()的所有测试数据。我应该在哪里存储这些测试数据，然后在映射器中使用它们？
非常感谢你。
答案 0 :(得分：0)
您可以将预先计算的数据存储到HDFS中，然后将其包含在Job的DitributedCache中。
https://hadoop.apache.org/docs/r2.6.2/api/org/apache/hadoop/filecache/DistributedCache.html
在与作业相关的任务开始之前，DistributedCache中的所有文件（数据，库等）都将被复制到每个节点。
分布式缓存不仅限于HDFS中的文件，而是需要从需要它的每个节点获得数据（如HDFS所示）。