例如,典型的WordCount mapreduce可能会返回一个输出:
你好3
世界4
再次1
我想稍微改变输出格式,以便显示它:
3你好 4世界
再次1
我已经阅读了很多想要按值排序的帖子,并且答案建议在第一个输出上进行第二次mapreduce工作。但是,我不需要按价值排序,并且多个键具有相同的值可能 - 我不希望它们被混为一谈。
是否有简单的方法可以简单地切换键/值的打印顺序?看起来应该很简单。
答案 0 :(得分:1)
易于考虑的两个选项是:
在缩小时切换键/值
修改reduce的输出以切换键和值。例如,Hadoops example WordCount job中的reduce将更改为:
public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
result.set(sum);
context.write(result, key);
}
}
此处context.write(result, key);
已更改为切换键和值。
使用第二个仅限地图的作业
您可以使用Hadoop提供的InverseMapper
(Source)来运行仅限地图(0缩减器)作业来切换键和值。所以你只需要第二份工作,只需要编写驱动程序,看起来像:
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
Job job = Job.getInstance(conf, "Switch inputs");
job.setJarByClass(WordCount.class);
job.setMapperClass(InverseMapper.class);
job.setNumReduceTasks(0);
job.setOutputKeyClass(IntWritable.class);
job.setOutputValueClass(Text.class);
job.setInputFormatClass(SequenceFileInputFormat.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
请注意,您希望第一个作业使用SequenceFileOutputFormat
编写第一个作业的输出,并使用SequenceFileInputFormat
作为第二个作业的输入。