Question

我最近开始使用Hadoop，在使用Mapfile作为MapReduce作业的输入时遇到了问题。

以下工作代码在hdfs中编写了一个名为“TestMap”的简单MapFile，其中有三个Text类型的键和三个类型为BytesWritable的值。

这里是TestMap的内容：

$ hadoop fs  -text /user/hadoop/TestMap/data
11/01/20 11:17:58 INFO util.NativeCodeLoader: Loaded the native-hadoop library
11/01/20 11:17:58 INFO zlib.ZlibFactory: Successfully loaded & initialized native-zlib library
11/01/20 11:17:58 INFO compress.CodecPool: Got brand-new decompressor
A    01
B    02
C    03

以下是创建TestMap Mapfile的程序：

import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.io.MapFile;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.BytesWritable;
import org.apache.hadoop.io.SequenceFile;
import org.apache.hadoop.io.IOUtils;

public class CreateMap {

    public static void main(String[] args) throws IOException{

        Configuration conf = new Configuration();
        FileSystem hdfs  = FileSystem.get(conf);

        Text key = new Text();
        BytesWritable value = new BytesWritable();
        byte[] data = {1, 2, 3};
        String[] strs = {"A", "B", "C"};
        int bytesRead;
        MapFile.Writer writer = null;

        writer = new MapFile.Writer(conf, hdfs, "TestMap", key.getClass(), value.getClass());
        try {
            for (int i = 0; i < 3; i++) {
                key.set(strs[i]);
                value.set(data, i, 1);
                writer.append(key, value);
                System.out.println(strs[i] + ":" + data[i] + " added.");
            }
        }
        catch (IOException e) {
            e.printStackTrace();
        }
        finally {
             IOUtils.closeStream(writer);
        }
    }
}

后面的简单MapReduce作业尝试将mapfile的值递增1：

import java.io.IOException;
import java.util.Iterator;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.FileInputFormat;
import org.apache.hadoop.mapred.FileOutputFormat;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.SequenceFileInputFormat;
import org.apache.hadoop.mapred.MapReduceBase;
import org.apache.hadoop.mapred.Mapper;
import org.apache.hadoop.mapred.OutputCollector;
import org.apache.hadoop.mapred.Reducer;
import org.apache.hadoop.mapred.Reporter;
import org.apache.hadoop.mapred.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;
import org.apache.hadoop.io.BytesWritable;


public class AddOne extends Configured implements Tool {

    public static class MapClass extends MapReduceBase

        implements Mapper<Text, BytesWritable, Text, Text> {

        public void map(Text key, BytesWritable value,
                        OutputCollector<Text, Text> output,
                        Reporter reporter) throws IOException {


            byte[] data = value.getBytes();
            data[0] += 1;
            value.set(data, 0, 1);
            output.collect(key, new Text(value.toString()));
        }
    }

    public static class Reduce extends MapReduceBase
        implements Reducer<Text, Text, Text, Text> {

        public void reduce(Text key, Iterator<Text> values,
                           OutputCollector<Text, Text> output,
                           Reporter reporter) throws IOException {

            output.collect(key, values.next());
        }
    }

    public int run(String[] args) throws Exception {
        Configuration conf = getConf();

        JobConf job = new JobConf(conf, AddOne.class);

        Path in = new Path("TestMap");
        Path out = new Path("output");
        FileInputFormat.setInputPaths(job, in);
        FileOutputFormat.setOutputPath(job, out);

        job.setJobName("AddOne");
        job.setMapperClass(MapClass.class);
        job.setReducerClass(Reduce.class);

        job.setInputFormat(SequenceFileInputFormat.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(Text.class);

        job.setOutputFormat(TextOutputFormat.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        job.set("key.value.separator.in.input.line", ":");


        JobClient.runJob(job);

        return 0;
    }

    public static void main(String[] args) throws Exception {
        int res = ToolRunner.run(new Configuration(), new AddOne(), args);

        System.exit(res);
    }
}

我得到的运行时异常是：

java.lang.ClassCastException: org.apache.hadoop.io.LongWritable cannot be cast to org.apache.hadoop.io.BytesWritable
    at AddOne$MapClass.map(AddOne.java:32)
    at org.apache.hadoop.mapred.MapRunner.run(MapRunner.java:50)
    at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:358)
    at org.apache.hadoop.mapred.MapTask.run(MapTask.java:307)
    at org.apache.hadoop.mapred.Child.main(Child.java:170)

我不明白为什么hadoop正在尝试强制转换LongWritable，因为在我的代码中我正确地定义了Mapper接口（Mapper<Text, BytesWritable, Text, Text>）。

有人能帮助我吗？

非常感谢

卢卡

Answer 1

您的问题来自这样一个事实，即尽管名称告诉您，MapFile 不文件。

MapFile实际上是一个由两个文件组成的目录：有一个“数据”文件，它是一个SequenceFile，包含你写入的键和值;但是，还有一个“索引”文件，它是一个不同的SequenceFile，包含键的子序列及其作为LongWritables的偏移量; MapFile.Reader将此索引加载到内存中，以便您快速进行二进制搜索，以便在数据文件中查找具有随机访问时所需数据的偏移量。

您正在使用旧"org.apache.hadoop.mapred" version of SequenceFileInputFormat。当你告诉它将MapFile看作输入时，知道只看数据文件是不够聪明的。相反，它实际上尝试使用数据文件和将索引文件作为常规输入文件。数据文件将正常工作，因为类与您指定的内容一致，但索引文件将抛出ClassCastException，因为索引文件值都是LongWritables。

您有两个选择：您可以开始使用"org.apache.hadoop.mapreduce" version of SequenceFileInputFormat（从而更改代码的其他部分），这对MapFiles足够了解，只需查看数据文件;或者，您可以明确地将数据文件作为您想要输入的文件。

Answer 2

其中一种方法可能是使用自定义InputFormat，其中一个记录用于整个MapFile块，并通过map（）中的键进行查找

Answer 3

我使用KeyValueTextInputFormat.class

解决了同样的问题

在

中提到了整个方法

http://sanketraut.blogspot.in/2012/06/hadoop-example-setting-up-hadoop-on.html

Mapfile作为MapReduce作业的输入

3 个答案: