我在谷歌图书ngram上实施字数计划式程序。 我的输入是二进制文件:https://aws.amazon.com/datasets/google-books-ngrams/ 我被告知要使用SequenceFileInputFormat才能使用它。
我使用hadoop 2.6.5。
Configuration conf = new Configuration();
Job job = Job.getInstance(conf, "PartA");
job.setJarByClass(MyDriver.class);
job.setMapperClass(MyMapperA.class);
job.setReducerClass(MyReducerA.class);
job.setCombinerClass(MyReducerA.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
job.setInputFormatClass(SequenceFileInputFormat.class); // The new line
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
遗憾的是,我在添加此行后遇到了问题:
job.setInputFormatClass(SequenceFileInputFormat.class);
收到的错误:
java.lang.Exception: java.lang.IllegalArgumentException: Unknown codec: com.hadoop.compression.lzo.LzoCodec
at org.apache.hadoop.mapred.LocalJobRunner$Job.runTasks(LocalJobRunner.java:462)
我尝试过添加几个maven依赖项,但没有成功